CN108470050A - 一种面向农业互联网web资源的时空推荐方法及系统 - Google Patents
一种面向农业互联网web资源的时空推荐方法及系统 Download PDFInfo
- Publication number
- CN108470050A CN108470050A CN201810193719.XA CN201810193719A CN108470050A CN 108470050 A CN108470050 A CN 108470050A CN 201810193719 A CN201810193719 A CN 201810193719A CN 108470050 A CN108470050 A CN 108470050A
- Authority
- CN
- China
- Prior art keywords
- solar term
- correlation
- degree
- regional
- recommendation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000001914 filtration Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000012271 agricultural production Methods 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 5
- 238000009313 farming Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical group C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
- G06F16/337—Profile generation, learning or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Mining & Mineral Resources (AREA)
- Human Resources & Organizations (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种面向农业互联网web资源的时空推荐方法及系统,该方法包括:获取用户登录时的IP地址、访问时间以及用户选取的待推荐的农业资源的地区相关度权值和节气相关度权值;确定待推荐的农业资源对应地区、对应节气;判断地区相关度权值是否为第一设定值,节气相关度权值是否为第二设定值,地区相关度权值为第一设定值,节气相关度权值为第二设定值,则根据地区及节气进行推荐,获得综合推荐结果;否则,则判断地区相关度权值是否为1,节气相关度权值是否为0,若是,则根据地区进行推荐,获得地区推荐结果;否则,根据节气进行推荐,获得节气推荐结果。采用本发明方法或系统实现了农业科技服务云平台中的个性化推荐功能。
Description
技术领域
本发明涉及农业个性化推荐领域,特别是涉及一种面向农业互联网web资源的时空推荐方法及系统。
背景技术
随着智能农业的发展,农业个性化推荐的需求也变得日益重要。而在现有的大部分提供推荐功能的平台基本上都会采用比较成熟的推荐算法,比如协同过滤算法。以用户为基础(User-based)的协同过滤、以项目为基础(Item-based)的协同过滤。
其中,以用户为基础(User-based)的协同过滤用相似统计的方法得到具有相似爱好或者兴趣的相邻用户,所以称之为以用户为基础(User-based)的协同过滤或基于邻居的协同过滤(Neighbor-based Collaborative Filtering)。方法步骤:1.收集用户信息
收集可以代表用户兴趣的信息。一般的网站系统使用评分的方式或是给予评价,这种方式被称为“主动评分”。另外一种是“被动评分”,是根据用户的行为模式由系统代替用户完成评价,不需要用户直接打分或输入评价数据。电子商务网站在被动评分的数据获取上有其优势,用户购买的商品记录是相当有用的数据。
2.最近邻搜索(Nearest neighbor search,NNS)
以用户为基础(User-based)的协同过滤的出发点是与用户兴趣爱好相同的另一组用户,就是计算两个用户的相似度。例如:查找n个和A有相似兴趣用户,把他们对M的评分作为A对M的评分预测。一般会根据数据的不同选择不同的算法,目前较多使用的相似度算法有Pearson Correlation Coefficient、Cosine-based Similarity、Adjusted CosineSimilarity。
3.产生推荐结果
有了最近邻集合,就可以对目标用户的兴趣进行预测,产生推荐结果。依据推荐目的的不同进行不同形式的推荐,较常见的推荐结果有Top-N推荐和关系推荐。Top-N推荐是针对个体用户产生,对每个人产生不一样的结果,例如:通过对A用户的最近邻用户进行统计,选择出现频率高且在A用户的评分项目中不存在的,作为推荐结果。关系推荐是对最近邻用户的记录进行关系规则(association rules)挖掘。
以项目为基础(Item-based)的协同过滤,以用户为基础的协同推荐算法随着用户数量的增多,计算的时间就会变长,所以在2001年Sarwar提出了基于项目的协同过滤推荐算法(Item-based Collaborative Filtering Algorithms)。以项目为基础的协同过滤方法有一个基本的假设“能够引起用户兴趣的项目,必定与其之前评分高的项目相似”,通过计算项目之间的相似性来代替用户之间的相似性。方法步骤:1.收集用户信息
同以用户为基础(User-based)的协同过滤。
2.针对项目的最近邻搜索
先计算已评价项目和待预测项目的相似度,并以相似度作为权重,加权各已评价项目的分数,得到待预测项目的预测值。例如:要对项目A和项目B进行相似性计算,要先找出同时对A和B打过分的组合,对这些组合进行相似度计算,常用的算法同以用户为基础(User-based)的协同过滤。
3.产生推荐结果
以项目为基础的协同过滤不用考虑用户间的差别,所以精度比较差。但是却不需要用户的历史数据,或是进行用户识别。对于项目来讲,它们之间的相似性要稳定很多,因此可以离线完成工作量最大的相似性计算步骤,从而降低了在线计算量,提高推荐效率,尤其是在用户多于项目的情形下尤为显著。
由于农业生产具有明显的时空性,不同地区、不同节气所发生的农事行为通常不一样。从上述可知现有的推荐算法存在与农业生产实际不符,个性化推荐精准度不高等问题。
发明内容
本发明的目的是提供一种面向农业web资源的时空推荐方法及系统,解决了不能根据不同地区、不同节气发生的农事行为为农民精准推送个性化信息的问题。
为实现上述目的,本发明提供了如下方案:
一种面向农业互联网web资源的时空推荐方法,包括:
获取用户登录时的IP地址、访问时间以及用户选取的待推荐的农业资源的地区相关度权值和节气相关度权值;
根据所述IP地址确定待推荐的农业资源对应地区;
根据所述访问时间确定待推荐的农业资源对应节气;
判断所述地区相关度权值是否为第一设定值,所述节气相关度权值是否为第二设定值,得到第一判断结果;
若所述第一判断结果表示所述地区相关度权值为所述第一设定值,所述节气相关度权值为所述第二设定值,则根据地区及节气进行推荐,获得综合推荐结果;
否则,则判断所述地区相关度权值是否为1,所述节气相关度权值是否为0,得到第二判断结果;
若所述第二判断结果表示所述地区相关度权值为1,所述节气相关度权值为0,则根据地区进行推荐,获得地区推荐结果;
否则,根据节气进行推荐,获得节气推荐结果。
可选的,所述时空推荐方法还包括:
显示所述综合推荐结果或者所述地区推荐结果或者节气推荐结果。
可选的,所述根据地区进行推荐,获得地区推荐结果,具体包括:
根据农业资源相关性比较函数得到用户与任意两个农业资源对应地区的地区相关度;其中,D(d)为农业资源选择函数,|M|、|N|均表示农业资源对应地区集合的元素个数;
对所述地区相关度进行排序,得到地区排序结果;
根据所述排序结果确定所述地区优先推荐结果。
可选的,所述根据节气进行推荐,获得节气推荐结果具体包括:
根据节气相关性比较函数得到用户与任意两个农业资源对应节气的节气相关度;其中,D(d)为农业资源选择函数,|P|、|Q|均表示农业资源对应节气集合的元素个数;
对所述节气相关度进行排序,得到节气排序结果;
根据所述节气排序结果确定所述节气优先推荐结果。
可选的,所述根据地区及节气进行推荐,获得综合推荐结果具体包括:
根据农业资源相关性计算函数计算得到用户与农业资源的地区相关度;其中,D(d)为农业资源选择函数,|M|为农业资源对应地区集合的元素个数;
根据节气相关性计算函数计算用户与农业资源的节气相关度;其中,D(d)为农业资源选择函数,|P|为农业资源对应地区节气集合的元素个数;
根据综合相关性计算函数G(z,d,t,w1,w2)=f(z,d)·w1+s(t,d)·w2,得到所述综合推荐结果,其中,w1为所述地区相关度权值,w2为所述节气相关度权值。
一种面向农业互联网web资源的时空推荐系统,包括:
信息获取模块,用于获取用户登录时的IP地址、访问时间以及用户选取的待推荐的农业资源的地区相关度权值和节气相关度权值;
地区确定模块,用于根据所述IP地址确定待推荐的农业资源对应地区;
节气确定模块,用于根据所述访问时间确定待推荐的农业资源对应节气;
权值第一判断模块,用于判断所述地区相关度权值是否为第一设定值,所述节气相关度权值是否为第二设定值,得到第一判断结果;
综合推荐模块,用于所述第一判断结果表示所述地区相关度权值为所述第一设定值,所述节气相关度权值为所述第二设定值,则根据地区及节气进行推荐,获得综合推荐结果;
权值第二判断模块,用于判断所述地区相关度权值是否为1,所述节气相关度权值是否为0,得到第二判断结果;
地区优先推荐模块,用于所述第二判断结果表示所述地区相关度权值为1,所述节气相关度权值为0,则根据地区进行推荐,获得地区推荐结果;
节气优先推荐模块,用于根据节气进行推荐,获得节气推荐结果。
可选的,所述地区优先推荐模块具体包括:
地区相关度比较单元,用于根据农业资源相关性比较函数得到用户与任意两个农业资源对应地区的地区相关度;其中,D(d)为农业资源选择函数,|M|、|N|均表示农业资源对应地区集合的元素个数;
地区排序单元,用于对所述地区相关度进行排序,得到地区排序结果;
地区推荐结果确定单元,用于根据所述排序结果确定所述地区优先推荐结果。
可选的,所述节气优先推荐模块具体包括:
节气相关性比较单元,用于根据节气相关性比较函数得到用户与任意两个农业资源对应节气的节气相关度;其中,D(d)为农业资源选择函数,|P|、|Q|均表示农业资源对应节气集合的元素个数;
节气排序单元,用于对所述节气相关度进行排序,得到节气排序结果;
节气推荐结果确定单元,用于根据所述节气排序结果确定所述节气优先推荐结果。
可选的,所述综合推荐模块具体包括:
地区相关度计算单元,用于根据农业资源相关性计算函数计算得到用户与农业资源的地区相关度;其中,D(d)为农业资源选择函数,|M|为农业资源对应地区集合的元素个数;
节气相关度计算单元,用于根据节气相关性计算函数计算用户与农业资源的节气相关度;其中,D(d)为农业资源选择函数,|P|为农业资源对应地区节气集合的元素个数;
综合推荐结果计算单元,用于根据综合相关性计算函数G(z,d,t,w1,w2)=f(z,d)·w1+s(t,d)·w2,得到所述综合推荐结果,其中,w1为所述地区相关度权值,w2为所述节气相关度权值。
可选的,所述时空推荐系统还包括:
显示模块,用于显示所述综合推荐结果或者所述地区推荐结果或者节气推荐结果。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明中通过根据用户的IP地址和登录时间确定农业资源对应地区和农业资源对应节气,再根据用户的地区相关度权值、节气相关度权值来为用户提供综合推荐服务或是地区优先推荐服务或是节气优先推荐服务。本发明中结合不同地区、不同节气的农事行为为用户推送精准的农业个性化信息,为农民提供与访问平台时所在地区、节气相符合的相关农业信息,方便农民进行农业种植及规划,实现了基于时空特性的农业信息推荐。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例时空推荐方法流程图;
图2为本发明实施例时空推荐系统模块图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种面向农业web资源的时空推荐方法及系统,解决了不能根据不同地区、不同节气发生的农事行为为农民精准推送个性化信息的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例时空推荐方法流程图。参见图1,一种面向农业互联网web资源的时空推荐方法,包括:
步骤101:获取用户登录时的IP地址、访问时间以及用户选取的待推荐的农业资源的地区相关度权值和节气相关度权值;
步骤102:根据所述IP地址确定待推荐的农业资源对应地区;
步骤103:根据所述访问时间确定待推荐的农业资源对应节气;
步骤104:判断所述地区相关度权值是否为第一设定值,所述节气相关度权值是否为第二设定值,得到第一判断结果;
步骤105:若所述第一判断结果表示所述地区相关度权值为所述第一设定值,所述节气相关度权值为所述第二设定值,则根据地区及节气进行推荐,获得综合推荐结果;
步骤106:判断所述地区相关度权值是否为1,所述节气相关度权值是否为0,得到第二判断结果;
步骤107:所述第二判断结果表示所述地区相关度权值为1,所述节气相关度权值为0,则根据地区进行推荐,获得地区推荐结果;
步骤108:根据节气进行推荐,获得节气推荐结果。
采用上述方法推荐功能有助于为农民精准推送个性化信息,能够根据农民的种植习惯、所在地区、访问平台的时间等,为农民提供精准化的推荐服务。
其中,所述时空推荐方法还包括:显示所述综合推荐结果或者所述地区推荐结果或者节气推荐结果。
步骤107中所述根据地区进行推荐,获得地区推荐结果具体包括:根据农业资源相关性比较函数得到用户与任意两个农业资源对应地区的地区相关度;其中,D(d)为农业资源选择函数,|M|、|N|均表示农业资源对应地区集合的元素个数;
对所述地区相关度进行排序,得到地区排序结果;
根据所述排序结果确定所述地区优先推荐结果。
步骤108中根据节气进行推荐,获得节气推荐结果具体包括:根据节气相关性比较函数得到用户与任意两个农业资源对应节气的节气相关度;其中,D(d)为农业资源选择函数,|P|、|Q|均表示农业资源对应节气集合的元素个数;
对所述节气相关度进行排序,得到节气排序结果;
根据所述节气排序结果确定所述节气优先推荐结果。
步骤105中根据地区及节气进行推荐,获得综合推荐结果具体包括:
根据农业资源相关性计算函数计算得到用户与农业资源的地区相关度;其中,D(d)为农业资源选择函数,|M|为农业资源对应地区集合的元素个数;
根据节气相关性计算函数计算用户与农业资源的节气相关度;其中,D(d)为农业资源选择函数,|P|为农业资源对应地区节气集合的元素个数;
根据综合相关性计算函数G(z,d,t,w1,w2)=f(z,d)·w1+s(t,d)·w2,得到所述综合推荐结果,其中,w1为所述地区相关度权值,w2为所述节气相关度权值。
图2为本发明实施例时空推荐系统模块图。参见图2,一种面向农业互联网web资源的时空推荐系统,包括:
信息获取模块201,用于获取用户登录时的IP地址、访问时间以及用户选取的待推荐的农业资源的地区相关度权值和节气相关度权值;
地区确定模块202,用于根据所述IP地址确定待推荐的农业资源对应地区;
节气确定模块203,用于根据所述访问时间确定待推荐的农业资源对应节气;
权值第一判断模块204,用于判断所述地区相关度权值是否为第一设定值,所述节气相关度权值是否为第二设定值,得到第一判断结果;
综合推荐模块205,用于所述第一判断结果表示所述地区相关度权值为所述第一设定值,所述节气相关度权值为所述第二设定值,则根据地区及节气进行推荐,获得综合推荐结果;
权值第二判断模块206,用于判断所述地区相关度权值是否为1,所述节气相关度权值是否为0,得到第二判断结果;
地区优先推荐模块207,用于所述第二判断结果表示所述地区相关度权值为1,所述节气相关度权值为0,则根据地区进行推荐,获得地区推荐结果;
节气优先推荐模块208,用于根据节气进行推荐,获得节气推荐结果。
上述系统结合不同地区、不同节气的农事行为为用户推送精准的农业个性化信息,为农民提供与访问平台时所在地区、节气相符合的相关农业信息,方便农民进行农业种植及规划,实现了基于时空特性的农业信息推荐。
地区优先推荐模块207具体包括:
地区相关度比较单元,用于根据农业资源相关性比较函数得到用户与任意两个农业资源对应地区的地区相关度;其中,D(d)为农业资源选择函数,|M|、|N|均表示农业资源对应地区集合的元素个数;
地区排序单元,用于对所述地区相关度进行排序,得到地区排序结果;
地区推荐结果确定单元,用于根据所述排序结果确定所述地区优先推荐结果。
节气优先推荐模块208具体包括:
节气相关性比较单元,用于根据节气相关性比较函数得到用户与任意两个农业资源对应节气的节气相关度;其中,D(d)为农业资源选择函数,|P|、|Q|均表示农业资源对应节气集合的元素个数;
节气排序单元,用于对所述节气相关度进行排序,得到节气排序结果;
节气推荐结果确定单元,用于根据所述节气排序结果确定所述节气优先推荐结果。
综合推荐模块205具体包括:
地区相关度计算单元,用于根据农业资源相关性计算函数计算得到用户与农业资源的地区相关度;其中,D(d)为农业资源选择函数,|M|为农业资源对应地区集合的元素个数;
节气相关度计算单元,用于根据节气相关性计算函数计算用户与农业资源的节气相关度;其中,D(d)为农业资源选择函数,|P|为农业资源对应地区节气集合的元素个数;
综合推荐结果计算单元,用于根据综合相关性计算函数G(z,d,t,w1,w2)=f(z,d)·w1+s(t,d)·w2,得到所述综合推荐结果,其中,w1为所述地区相关度权值,w2为所述节气相关度权值。
本发明中时空推荐系统还包括:显示模块,用于显示所述综合推荐结果或者所述地区推荐结果或者节气推荐结果。
以下介绍本申请中涉及到的定义概念:
(1)地区集合
本平台主要面向吉林省各地区农民。从农业生产空间差异性来看,地级市之间的差异较大,而地级市内部各县的差异性较小,因此,我们将吉林省九市州作为衡量农业生产差异性的空间要素[13]。将地区集合用字母Z表示,则Z={长春(cc),吉林(jl),延边(yb),四平(sp),松原(sy),辽源(ly),通化(th),白山(bs),白城(bc)}。
(2)节气集合
从农业生产的时间差异性来看,节气对农业生产具有重要影响。因此,我们将24节气作为衡量农业生产差异性的时间要素。将节气集合用字母T表示,则T={立春(01)、雨水(02)、惊蛰(03)、春分(04)、清明(05)、谷雨(06)、立夏(07)、小满(08)、芒种(09)、夏至(10)、小暑(11)、大暑(12)、立秋(13)、处暑(14)、白露(15)、秋分(16)、寒露(17)、霜降(18)、立冬(19)、小雪(20)、大雪(21)、冬至(22)、小寒(23)、大寒(24)}。
(3)资源集合
平台所包含的资源主要有公开课、科教片、专家问答集和技术文档等,均隶属于某一农业类别。对农业领域的常用分类主要包括学科分类、专业分类以及中图分类法。但在实际应用中,采用以上任一分类方法均有其不合理性。为此,我们对现有资源进行统计分析,提出一种适用于本平台的资源分类方法,即将所有农业资源划分为17类。将资源集合用字母S表示,则S={作物,蔬菜,水果,食用菌,中药材,花卉,特产,畜牧,食品,水产,农机,农资,土肥,植保,政策,市场,互联网}。
现在对本申请中方法进行属性描述:
(1)资源画像
资源画像即对资源属性的描述,鉴于农业生产的时空性特点,对每个资源主要使用以下四个属性进行描述。
第一,适用时间。指出该资源适用于哪个或哪几个节气,在节气集合中进行选择;
第二,适用地区。指出该对象适用于哪个地区或哪几个地区,在地区集合中进行选择;
第三,所属类别。指出该资源隶属于哪一农业类别,在类属集合中进行选择;
第四,关键词,使用3-5个关键词对资源所阐述的内容进行描述,通常由农业专家指定或者通过文本挖掘方法(针对文本类技术文档)进行关键词自动提取。
(2)用户画像
用户画像也即对用户属性的描述。用户分为非注册用户和注册用户,对于非注册用户,主要使用以下两个属性描述:来自地区(在地区集合中选择),访问平台时的时间(在节气集合中选择);对于注册用户,还要增加以下两个属性:关注领域(在类属集合中选择)和历史行为(曾经查看过哪些资源)。
时间推荐算法主要应用于三种情况。第一,对于非登录用户(游客),直接根据其ip地址(可以转换为地区)和访问时间(可以转换为节气),为其推荐相关资源;第二,当用户点击观看某一资源时,为其进一步推荐相关资源;第三,注册登录后,再继续根据其种植习惯等信息,为其推荐相关资源。
本发明中提出针对第一种情况的农业时空推荐算法,对其进行描述和测试。具体来说,本推荐方法可以分为以下三种类别的推荐。
第一,地区优先推荐。如果某个用户的来源地区已知,那么适合于该地区的所有对象都应该被推荐。但是,推荐的时候有一个优先级或排序的问题。对于这个问题,我们提出以下方法:
设集合Z为所有地区集合,资源适用地区集合M和集合N为Z的子集,即D(d)为资源选择函数。设计资源相关性计算函数f(z,d)和资源相关性比较函数F(z,d)如下:
其中|M|与|N|分别求集合元素个数。假设某个用户的来源地区为Z,对任意Z,通过D(d)对包含Z地区的资源集合进行获取整理后,利用f(z,d)来计算用户与该资源的地区相关度,利用F(z,d)函数可以比较用户与任意两个资源的地区相关度,进而对所有资源地区相关度进行排序。
第二,节气优先推荐。如果用户访问平台的时间隶属于某个节气,则适用于该节气的所有资源都应该被推荐。被推荐资源的优先级与按地区推荐的原理是相同的。设集合T为所有节气集合,资源适用节气集合P和集合Q为T的子集,即D(d)为资源选择函数。设计节气相关性计算函数s(t,d)和节气相关性比较函数S(t,d)如下:
其中|P|与|Q|分别求集合元素个数。假设某个用户访问网站时间隶属于某节气t,对任意t,通过D(d)对包含t节气的资源集合进行获取整理后,利用s(t,d)来计算用户与该资源的节气相关度,利用S(t,d)函数可以比较用户与任意两个资源的节气相关度,进而对所有资源节气相关度进行排序。
第三,综合推荐,是指综合地区与节气两个因素进行推荐。综合相关性计算函数G(z,d,t,w1,w2)如下:
G(z,d,t,w1,w2)=f(z,d)·w1+s(t,d)·w2
其中地区相关度与节气相关度的权值分别用w1和w2表示,w1,w2∈[0,1]且w1+w2=1。默认情况下w1=0.5,w2=0.5。特殊地,w1=1,w2=0即为地区优先推荐;w1=0,w2=1即为节气优先推荐。
现对时空推荐算法进行测试
(1)数据准备
主要数据来源于2016年吉林省主推技术,共22篇技术文档,涉及吉林省主要及特色种养殖技术。
表1 2016年吉林省主推技术文档列表
Table1.Jilin province main technical documents list in 2016
(2)数据预处理
对表1中的各文档内容,找出各技术文档适用的节气范围和地区范围,并按照前述方法给出每个文档的节气适应度和地区适应度,处理结果如表2所示。
表2各技术文档的时间适应度和空间适应度
Table 2.technical documentation time fitness and space fitness
(3)测试结果
设某用户来源于地区z,访问网站时间为节气s包含z地区的对象集合为A,包含节气s的对象集合为B,则拟推荐的对象集合为A和B的并集,其余对象则不做推荐。
设某来自长春(cc)用户在谷雨(06)节气访问该网站,则A=[d1,d2,d4,d5,d7,d8,d10-d13,d16-d22],B=[d1-d3,d6-d17,d19,d21,d22]
地区优先推荐方法:按地区相关度进行降序排列。地区适应度相同时,则按节气相关度降序排列。
节气优先推荐方法:按节气相关度进行降序排列。节气适应度相同时,则按地区相关度降序排列。
综合推荐排序情况:将地区相关度与节气相关度相加后再进行降序排序。
三种方法的推荐结果如表3所示。
表3不同推荐方法的推荐结果
Table 3.Recommendation result of different recommendation methods
从表3可以看出,地区优先推荐的前五个文档是:D3,D13,D18,D6,D9。节气有限推荐的前五个文档是:D5,D4,D2,D10,D7。综合推荐的前五个文档是:D5,D2,D10,D4,D1。三种推荐方法的推荐结果差异较大。综合推荐方法与地区优先推荐方法的差异最大,在前五个推荐的文档中,没有出现重复推荐。综合推荐方法与节气优先推荐方法的差异较小,在前五个推荐的文档中,出现三个重复推荐,即D5,D2和D10。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种面向农业互联网web资源的时空推荐方法,其特征在于,包括:
获取用户登录时的IP地址、访问时间以及用户选取的待推荐的农业资源的地区相关度权值和节气相关度权值;
根据所述IP地址确定待推荐的农业资源对应地区;
根据所述访问时间确定待推荐的农业资源对应节气;
判断所述地区相关度权值是否为第一设定值,所述节气相关度权值是否为第二设定值,得到第一判断结果;
若所述第一判断结果表示所述地区相关度权值为所述第一设定值,所述节气相关度权值为所述第二设定值,则根据地区及节气进行推荐,获得综合推荐结果;
否则,则判断所述地区相关度权值是否为1,所述节气相关度权值是否为0,得到第二判断结果;
若所述第二判断结果表示所述地区相关度权值为1,所述节气相关度权值为0,则根据地区进行推荐,获得地区推荐结果;
否则,根据节气进行推荐,获得节气推荐结果。
2.根据权利要求1所述的时空推荐方法,其特征在于,所述时空推荐方法还包括:
显示所述综合推荐结果或者所述地区推荐结果或者节气推荐结果。
3.根据权利要求1所述的时空推荐方法,其特征在于,所述根据地区进行推荐,获得地区推荐结果,具体包括:
根据农业资源相关性比较函数得到用户与任意两个农业资源对应地区的地区相关度;其中,D(d)为农业资源选择函数,|M|、|N|均表示农业资源对应地区集合的元素个数;
对所述地区相关度进行排序,得到地区排序结果;
根据所述排序结果确定所述地区优先推荐结果。
4.根据权利要求1所述的时空推荐方法,其特征在于,所述根据节气进行推荐,获得节气推荐结果具体包括:
根据节气相关性比较函数得到用户与任意两个农业资源对应节气的节气相关度;其中,D(d)为农业资源选择函数,|P|、|Q|均表示农业资源对应节气集合的元素个数;
对所述节气相关度进行排序,得到节气排序结果;
根据所述节气排序结果确定所述节气优先推荐结果。
5.根据权利要求1所述的时空推荐方法,其特征在于,所述根据地区及节气进行推荐,获得综合推荐结果具体包括:
根据农业资源相关性计算函数计算得到用户与农业资源的地区相关度;其中,D(d)为农业资源选择函数,|M|为农业资源对应地区集合的元素个数;
根据节气相关性计算函数计算用户与农业资源的节气相关度;其中,D(d)为农业资源选择函数,|P|为农业资源对应地区节气集合的元素个数;
根据综合相关性计算函数G(z,d,t,w1,w2)=f(z,d)·w1+s(t,d)·w2,得到所述综合推荐结果,其中,w1为所述地区相关度权值,w2为所述节气相关度权值。
6.一种面向农业互联网web资源的时空推荐系统,其特征在于,包括:
信息获取模块,用于获取用户登录时的IP地址、访问时间以及用户选取的待推荐的农业资源的地区相关度权值和节气相关度权值;
地区确定模块,用于根据所述IP地址确定待推荐的农业资源对应地区;
节气确定模块,用于根据所述访问时间确定待推荐的农业资源对应节气;
权值第一判断模块,用于判断所述地区相关度权值是否为第一设定值,所述节气相关度权值是否为第二设定值,得到第一判断结果;
综合推荐模块,用于所述第一判断结果表示所述地区相关度权值为所述第一设定值,所述节气相关度权值为所述第二设定值,则根据地区及节气进行推荐,获得综合推荐结果;
权值第二判断模块,用于判断所述地区相关度权值是否为1,所述节气相关度权值是否为0,得到第二判断结果;
地区优先推荐模块,用于所述第二判断结果表示所述地区相关度权值为1,所述节气相关度权值为0,则根据地区进行推荐,获得地区推荐结果;
节气优先推荐模块,用于根据节气进行推荐,获得节气推荐结果。
7.根据权利要求6所述的时空推荐系统,其特征在于,所述地区优先推荐模块具体包括:
地区相关度比较单元,用于根据农业资源相关性比较函数得到用户与任意两个农业资源对应地区的地区相关度;其中,D(d)为农业资源选择函数,|M|、|N|均表示农业资源对应地区集合的元素个数;
地区排序单元,用于对所述地区相关度进行排序,得到地区排序结果;
地区推荐结果确定单元,用于根据所述排序结果确定所述地区优先推荐结果。
8.根据权利要求6所述的时空推荐系统,其特征在于,所述节气优先推荐模块具体包括:
节气相关性比较单元,用于根据节气相关性比较函数得到用户与任意两个农业资源对应节气的节气相关度;其中,D(d)为农业资源选择函数,|P|、|Q|均表示农业资源对应节气集合的元素个数;
节气排序单元,用于对所述节气相关度进行排序,得到节气排序结果;
节气推荐结果确定单元,用于根据所述节气排序结果确定所述节气优先推荐结果。
9.根据权利要求6所述的时空推荐系统,其特征在于,所述综合推荐模块具体包括:
地区相关度计算单元,用于根据农业资源相关性计算函数计算得到用户与农业资源的地区相关度;其中,D(d)为农业资源选择函数,|M|为农业资源对应地区集合的元素个数;
节气相关度计算单元,用于根据节气相关性计算函数计算用户与农业资源的节气相关度;其中,D(d)为农业资源选择函数,|P|为农业资源对应地区节气集合的元素个数;
综合推荐结果计算单元,用于根据综合相关性计算函数G(z,d,t,w1,w2)=f(z,d)·w1+s(t,d)·w2,得到所述综合推荐结果,其中,w1为所述地区相关度权值,w2为所述节气相关度权值。
10.根据权利要求6所述的时空推荐系统,其特征在于,所述时空推荐系统还包括:
显示模块,用于显示所述综合推荐结果或者所述地区推荐结果或者节气推荐结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810193719.XA CN108470050A (zh) | 2018-03-09 | 2018-03-09 | 一种面向农业互联网web资源的时空推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810193719.XA CN108470050A (zh) | 2018-03-09 | 2018-03-09 | 一种面向农业互联网web资源的时空推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108470050A true CN108470050A (zh) | 2018-08-31 |
Family
ID=63265172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810193719.XA Pending CN108470050A (zh) | 2018-03-09 | 2018-03-09 | 一种面向农业互联网web资源的时空推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470050A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111131393A (zh) * | 2019-11-25 | 2020-05-08 | 深圳壹账通智能科技有限公司 | 用户活跃度数据统计方法、电子装置及存储介质 |
CN111611801A (zh) * | 2020-06-02 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 一种识别文本地域属性的方法、装置、服务器及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110184977A1 (en) * | 2008-09-27 | 2011-07-28 | Jiachun Du | Recommendation method and system based on collaborative filtering |
CN103338403A (zh) * | 2012-09-17 | 2013-10-02 | 中国传媒大学 | 广播电视系统及该系统中的个性节目推荐方法 |
CN105270190A (zh) * | 2015-10-21 | 2016-01-27 | 佛山职业技术学院 | 带光伏车顶的多能源电动汽车及其充电控制方法 |
-
2018
- 2018-03-09 CN CN201810193719.XA patent/CN108470050A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110184977A1 (en) * | 2008-09-27 | 2011-07-28 | Jiachun Du | Recommendation method and system based on collaborative filtering |
CN103338403A (zh) * | 2012-09-17 | 2013-10-02 | 中国传媒大学 | 广播电视系统及该系统中的个性节目推荐方法 |
CN105270190A (zh) * | 2015-10-21 | 2016-01-27 | 佛山职业技术学院 | 带光伏车顶的多能源电动汽车及其充电控制方法 |
Non-Patent Citations (1)
Title |
---|
陈程程: ""农业科技服务云平台构建与农业时空推荐算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111131393A (zh) * | 2019-11-25 | 2020-05-08 | 深圳壹账通智能科技有限公司 | 用户活跃度数据统计方法、电子装置及存储介质 |
CN111131393B (zh) * | 2019-11-25 | 2022-08-16 | 深圳壹账通智能科技有限公司 | 用户活跃度数据统计方法、电子装置及存储介质 |
CN111611801A (zh) * | 2020-06-02 | 2020-09-01 | 腾讯科技(深圳)有限公司 | 一种识别文本地域属性的方法、装置、服务器及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gensler et al. | Listen to your customers: Insights into brand image using online consumer-generated product reviews | |
Abrate et al. | Strategic and tactical price decisions in hotel revenue management | |
CN107085803B (zh) | 基于知识图谱和能力测评的个性化教学资源推荐系统 | |
Punj et al. | Cluster analysis in marketing research: Review and suggestions for application | |
Suárez-Vega et al. | Locating a supermarket using a locally calibrated Huff model | |
CN110852852A (zh) | 一种工业互联网产品推荐系统及方法 | |
Oukil et al. | A hybrid multi‐attribute decision‐making procedure for ranking project proposals: A historical data perspective | |
Eleftheriou et al. | Asymmetric price adjustments in US gasoline markets: impacts of spatial dependence on the ‘rockets and feathers’ hypothesis | |
Martín et al. | Measuring service quality in the hotel industry: The value of user generated content | |
Ramos et al. | A model ISM-MICMAC for managing risk in agri-food supply chain: An investigation from the Andean region of Peru | |
CN107316229A (zh) | 一种在线展示演出项目信息的方法及装置 | |
Garcia et al. | Valuing forest biodiversity through a national survey in France: a dichotomous choice contingent valuation | |
KR102319118B1 (ko) | 전자상거래와 연관된 쇼핑몰의 상품 진열 업데이트 방법 및 장치 | |
Aboolian et al. | Optimizing pricing and location decisions for competitive service facilities charging uniform price | |
CN108470050A (zh) | 一种面向农业互联网web资源的时空推荐方法及系统 | |
M Galindro et al. | Use of data envelopment analysis to benchmark environmental product declarations—a suggested framework | |
Shinwell et al. | Measuring countries’ progress on the Sustainable Development Goals: methodology and challenges | |
Sopalatu et al. | Tourism website user study: Measuring the impact of system quality and information quality considering user satisfaction to obtain the net benefit | |
Laussel et al. | Quality and price personalization under customer recognition: A dynamic monopoly model with contrasting equilibria | |
Pruitt et al. | Deer management cooperative members’ likelihood of engaging in conservation initiatives: An importance-likelihood analysis | |
Aranda-Cuéllar et al. | Winter tourism dependence: A cyclical and cointegration analysis. Case study for the Alps | |
Ustinovichius | Methods of determining objective, subjective and integrated weights of attributes | |
CN105160065B (zh) | 基于拓扑关系的遥感信息相似度评价方法 | |
Purba et al. | Decision Making for Optimal Marketing Strategy: A Case Study in E-Commerce | |
KR102489477B1 (ko) | 빅데이터를 이용한 개발제품의 방향성 선정시스템 및 이를 이용한 개발제품의 방향성 선정방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180831 |