CN115795072A - 遥感影像动态混合推荐系统及方法 - Google Patents

Abstract

本发明提供一种遥感影像动态混合推荐系统及方法，涉及遥感影像统筹技术领域，包括需求模块，其配置为获取用户信息、用户历史行为信息和需求信息，所述需求信息包括检索条件和统筹应用场景信息；算法模块，其配置为获取推荐算法并对其进行存储；混合模块，其配置为生成混合推荐策略，根据推荐算法和混合推荐策略生成所有混合推荐方案，所述混合推荐策略为多个推荐算法组合的策略；方案选择模块，其配置为根据当前统筹应用场景对混合推荐方案进行评价，得到方案评价值，选择方案评价值最高的混合推荐方案，得到最优推荐方案；推荐模块，其配置为确定推荐影像列表并对用户进行影像推荐。本发明能够实现针对不同应用场景的遥感影像混合推荐。

Description

遥感影像动态混合推荐系统及方法

技术领域

本发明涉及遥感影像智能推荐分发技术领域，具体涉及一种遥感影像动态混合推荐系统及方法。

背景技术

当前，各国均建成了较为完善的遥感对地观测系统，如美国的Landsat、MODIS系列卫星，WorldView系列卫星，法国的SPOT系列卫星，日本的ALOS系列卫星以及中国的高分系列、环境系列、资源系列卫星。随着各类卫星升空并投入使用，遥感数据量在近些年呈现爆炸式增长。与此同时，随着遥感应用技术的发展，遥感影像在国土、资源各领域具有较好的应用前景，相应的遥感用户也迅速增多。以往遥感用户主要是在数据管理系统中通过人工查询和订购的方式来获取遥感影像。此类方法在影像需求频率较低并且影像总数量较少时是可行的。但是随着遥感卫星应用频率不断升高，以及遥感影像快速增长，高频率地采用人工方法从海量影像中获取感兴趣影像是十分低效的。

当前面向电子商务、媒体传播等互联网行业的推荐系统，虽然仍然面对着稀疏性和冷启动等一系列经典问题，但部分方法已具有较好的应用效果。然而遥感数据并不适用于上述推荐系统，主要原因有以下几点：1. 遥感数据一般都较大，原始数据一般在1GB左右，若数据量上升，单机存储基本无法满足要求。2. 遥感数据涉及到空间属性，每份数据都对应着实际的一片区域，一般的商品不具备该特性。3. 遥感数据涉及到时间属性，同一片区域一般会有多份不同时间维度的数据。4. 遥感数据交易量有限，并且时间跨度可能较大，需要解决数据量不足的问题。针对上述遥感数据特性，需要遥感影像专用的推荐系统来完成满足用户需求的影像统筹。

对于目前的遥感影像推荐系统，不论使用哪种推荐方法，仅使用单一的推荐方式都不能达到最理想的效果。同时，用户获取遥感影像的目的也不同。针对不同的应用场景，如镶嵌场景、解译场景，遥感影像的推荐逻辑也不尽相同，因此，单一、固定的影像推荐模式无法精确满足用户的需求。

发明内容

基于上述技术问题，本发明提供的遥感影像动态混合推荐系统能够实现针对不同应用场景的遥感影像混合推荐。

本发明一种遥感影像动态混合推荐系统，所述系统包括：

需求模块，其配置为获取用户信息、用户历史行为信息和需求信息，所述用户信息包括用户所属地区信息和用户所属行业信息，所述用户历史行为信息包括历史推荐信息和历史需求信息，所述需求信息包括检索条件和统筹应用场景信息；

算法模块，其配置为获取影像检索算法和影像组搜索算法并对其进行存储；

混合模块，其配置为根据混合推荐策略对所述影像检索算法和所述影像组搜索算法进行组合，生成所有混合推荐方案，所述混合推荐策略为多个推荐算法组合的方式；

方案选择模块，其配置为根据统筹应用场景信息、用户信息、用户历史行为信息和当前需求信息对各个混合推荐方案进行评价，得到方案评价值，选择方案评价值最高的混合推荐方案，得到最优推荐方案；

推荐模块，其配置为基于用户的检索条件使用最优推荐方案确定推荐影像列表，基于所述推荐影像列表对用户进行影像推荐。

于本发明一具体实施例中，所述混合模块包括：

第一混合单元，其配置为生成混合推荐策略，包括第一混合推荐策略、第二混合推荐策略、第三混合推荐策略和第四混合推荐策略；

所述第一混合推荐策略先通过影像检索算法从影像库中获得匹配影像，再通过影像组搜索算法从所述匹配影像中获得推荐影像；

所述第二混合推荐策略使用至少两个影像检索算法的并行组合算法进行影像推荐，即取至少两个影像检索算法检索结果的交集或并集作为推荐影像；

所述第三混合推荐策略通过加权多个影像检索算法的推荐结果，基于得分进行排序推荐；

所述第四混合推荐策略为所述第一混合推荐策略与所述第二混合推荐策略的元混合策略，即将所述第二混合推荐策略作为所述第一混合推荐策略的输入，得到所述匹配影像；

第二混合单元，其配置为根据混合推荐策略对所述影像检索算法和所述影像组搜索算法进行组合，得到混合推荐方案。

于本发明一具体实施例中，所述方案选择模块包括：

第一评价单元，其配置为基于统筹应用场景信息、当前需求信息得到混合推荐方案的第一评价分数；

第二评价单元，其配置为根据用户信息、用户历史行为信息得到混合推荐方案的第二评价分数；

方案选择单元，其配置为根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，得到最优推荐方案。

于本发明一具体实施例中，所述根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，包括：

根据所述第一评价分数和所述第二评价分数生成方案评价值；

根据所述方案评价值对混合推荐方案进行排序，选取最高方案评价值对应的混合推荐方案。

于本发明一具体实施例中，所述第一评价分数为：

其中，

、

分别为比例系数，

、

均小于1，

为混合推荐方案的影像数量的等级分数，

为混合推荐方案的影像质量的质量分数，

为第一调节系数，

为第二调节系数，

、

均小于1；

所述第二评价分数为：

其中，

为用户偏置项，

为混合推荐方案偏置项，m为当前需求信息，

为历史需求信息，A为该用户的历史行为次数，

为当前需求信息与历史需求信息的相似度。

于本发明一具体实施例中，所述算法模块包括：

第一算法单元，其配置为获取影像检索算法并对其进行存储；

第二算法单元，其配置为获取影像组搜索算法并对其进行存储，所述影像组搜索算法包括以影像为路径节点的搜索算法，所述以影像为路径的搜索算法包括基于A-star的搜索算法、基于蒙特卡洛树的搜索算法、基于遗传算法的搜索算法、广度优先搜索算法、深度优先搜索算法、爬山法、最佳优先搜索算法、回溯法、分支限界搜索算法和基于强化学习的搜索算法。

于本发明一具体实施例中，检索条件包括目标区域、影像采集时间范围、影像分辨率、传感器、卫星星源、影像质量。

于本发明一具体实施例中，影像分辨率、传感器和卫星星源为相关检索项。

于本发明一具体实施例中，统筹应用场景信息包括镶嵌场景和解译场景。

本发明还提供一种遥感影像动态混合推荐方法，所述方法应用于上述所述的系统，该方法包括：

S1 获取用户信息、用户历史行为信息和需求信息，所述需求信息包括检索条件和统筹应用场景信息；

S2 获取推荐算法并对其进行存储，所述推荐算法包括影像检索算法和影像组搜索算法，所述影像组搜索算法包括以影像为路径的搜索算法，所述以影像为路径的搜索算法包括基于A-star的搜索算法、基于蒙特卡洛树的搜索算法、基于遗传算法的搜索算法、广度优先搜索算法、深度优先搜索算法、爬山法、最佳优先搜索算法、回溯法、分支限界搜索算法和基于强化学习的搜索算法；

S3 获取混合推荐策略，包括第一混合推荐策略、第二混合推荐策略、第三混合推荐策略和第四混合推荐策略，根据推荐算法和混合推荐策略生成所有混合推荐方案；

S4 基于统筹应用场景信息、当前需求信息进行计算，得到混合推荐方案的第一评价分数；

S5 根据用户信息、用户历史行为信息进行计算得到混合推荐方案的第二评价分数；

S6 根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，得到最优推荐方案；

S7 基于用户的检索条件使用最优推荐方案确定推荐影像列表，基于所述推荐影像列表对用户进行影像推荐。

本发明提出了一种遥感影像动态混合推荐系统及方法。该系统包括需求模块、算法模块、混合模块、方案选择模块和推荐模块。本发明的有益效果为：

（1）构建了遥感影像混合推荐系统，相比于使用单一推荐方式的系统能够提供更精准的推荐服务；

（2）系统全流程自动化，无人工干预下实现对混合推荐策略与推荐算法的动态选择；

（3）根据不同的应用场景生成对应最优的混合推荐方案，考虑到了不同应用场景下用户对影像的不同需求；

（4）对影像检索算法和影像组搜索算法进行组合，实现了针对遥感影像数据特性的影像推荐。

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为本发明一实施例中遥感影像动态混合推荐系统的结构示意图；

图2为本发明一实施例中混合模块的结构示意图；

图3为本发明一实施例中方案选择模块的结构示意图；

图4为本发明一实施例的遥感影像动态混合推荐方法的流程示意图。

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所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供一种遥感影像动态混合推荐系统，所述系统包括需求模块、算法模块、方案选择模块、推荐模块。本发明的技术路线如下：1）获取用户需求，包括用户选择的目标区域、时间范围、影像要求等，同时获取用户的历史信息，例如用户所属行业信息、历史推荐信息、历史需求信息等；2）根据用户输入的检索条件进行算法调配，将检索信息与调配的算法进行匹配并存储，算法包括影像检索算法和影像组搜索算法；3）系统中预先设置了四种混合推荐策略，根据这些策略对影像检索算法和影像组搜索算法进行组合，得到混合推荐方案；4）混合推荐方案所推荐的结果为推荐列表，根据评价方法对每个推荐列表进行评价，选评价分数最高的混合推荐方案作为最终的推荐方案，其对应的推荐列表作为推荐结果。

其中，需求模块11，其配置为获取用户信息、用户历史行为信息和需求信息，所述用户信息包括用户所属地区信息和用户所属行业信息，所述用户历史行为信息包括历史推荐信息和历史需求信息，所述需求信息包括检索条件和统筹应用场景信息；

需要说明的是，所述用户信息为用户的固有信息，能够表示用户的一部分偏好，用户历史行为信息进一步表示用户的历史偏好，根据用户信息和用户历史行为信息能够对用户进行初步分类，确定用户类型。

具体地，在一个实施例中，检索条件包括目标区域、影像采集时间范围、影像分辨率、传感器、卫星星源、影像质量。

其中，目标区域为行政区划或用户手动指定的区域范围；影像采集时间范围最小为同一天内；影像质量为影像的综合质量信息，以质量分数的形式展示，具体地，影像的综合质量信息包括影像的完整性、完好性、影像内容的阴影检测、雾检测、条带检测等，将这些综合质量信息归一化后形成影像的质量分数。

影像分辨率、传感器和卫星星源为相关检索项，常规选择顺序为先选择卫星星源，在选定的卫星星源下选择具体传感器，最后选择所选传感器支持的影像分辨率。智能地，用户可直接选择所需的分辨率，系统自动选择相应的传感器和星源。

具体地，在一个实施例中，统筹应用场景信息包括镶嵌场景和解译场景。不同的应用场景对影像的需求逻辑不同，镶嵌场景需要一组能够完整覆盖目标区域进行镶嵌的影像组，该影像组的要求是组内的影像总数少，影像间色差小；解译场景需要高质量影像，当用于训练时，需要充足的影像数量以及目标地物。

具体地，在一个实施例中，历史推荐信息包括历史推荐影像列表以及其对应的混合推荐方案和最优推荐方案。

算法模块12，其配置为获取影像检索算法和影像组搜索算法并对其进行存储。

于本发明一具体实施例中，所述算法模块包括：

第一算法单元，其配置为获取影像检索算法并对其进行存储；

第二算法单元，其配置为获取影像组搜索算法并对其进行存储，所述影像组搜索算法包括以影像为路径节点的搜索算法，所述以影像为路径的搜索算法包括基于A-star的搜索算法、基于蒙特卡洛树的搜索算法、基于遗传算法的搜索算法、广度优先搜索算法、深度优先搜索算法、爬山法、最佳优先搜索算法、回溯法、分支限界搜索算法和基于强化学习的搜索算法。

需要说明的是，影像检索算法包括通用的检索方法，根据用户输入的检索条件与影像标签进行匹配。其中，用户输入的检索条件通常包括目标空间区域、影像采集时间范围、影像分辨率、传感器、卫星星源、影像质量。在一具体实施例中，检索条件还包括用户所需的地物类型。影像检索算法还包括基于样例图的检索方法，对样例图进行特征提取后根据特征对数据库中的影像进行匹配度计算，根据匹配度进行影像排序推荐或选取前N幅影像进行推荐。不同的影像检索算法使用的检索手段或检索内容不同。

影像组搜索算法不同，需要根据多个限定条件综合优选影像。搜索算法实际上是根据初始条件和扩展规则构造一棵“解答树”并寻找符合目标状态的节点的过程。所有的搜索算法从最终的算法实现上来看，都可以划分成两个部分——控制结构（扩展节点的方式）和产生系统（扩展节点），而所有的算法优化和改进主要都是通过修改其控制结构来完成的。

具体地，在一个实施例中，基于A-star的搜索算法以遥感影像为节点，以完整覆盖目标空间区域为终点进行影像搜索，具体的搜索步骤为：获取影像，将所述影像设置为A-star算法的影像节点，放入开启列表中，对影像节点进行价值评估。选取价值最高的影像节点作为A-star算法的起点，将起点放入关闭列表中，更新目标区域并更新开启列表影像节点的价值。根据估价函数计算关闭列表与开启列表中每个影像节点的综合价值。选取综合价值最高的开启列表影像节点，并放入关闭列表中，更新目标区域并更新开启列表影像节点的价值，重复执行上述步骤，直至目标区域为空。其中影像节点的价值评估可根据具体的应用场景进行调整，在一实施例中，影像节点的价值包括整幅影像经过质检后得到的质量分数。

混合模块13，其配置为根据混合推荐策略对所述影像检索算法和所述影像组搜索算法进行组合，生成所有混合推荐方案，所述混合推荐策略为多个推荐算法组合的方式。

需要说明的是，目前通用的混合推荐策略主要包括单体的混合策略、并行的混合策略和流水线混合策略。其中，单体的混合策略整合多种推荐算法到同一个算法体系中，由这个整合的推荐算法统一提供推荐服务。

单体的混合策略包括：特征组合混合策略，将多个推荐算法的特征数据作为原始输入，使用其中一个算法作为主算法生成推荐结果；特征增强混合策略，第一个算法预处理第二个算法依赖的数据，生成中间态特征，供第二个算法使用生成推荐结果。

其中，并行的混合策略为每个推荐算法生成各自的推荐结果，对结果进行融合。并行的混合策略包括：掺杂混合策略，如将不同算法的得分进行归一化，根据归一化后的得分大小排序；加权混合策略，加权每个推荐结果的得分得到总得分；分支混合策略，根据判别规则决定在某种情况下使用某个推荐算法的推荐结果。

其中，流水线混合策略为将一个推荐算法的推荐结果作为另一个推荐算法的输入，再产生推荐结果。流水线混合策略包括：级联混合策略，下一个算法调整上一个算法推荐结果的排序或剔除部分结果；元级别混合策略，一个推荐算法的模型被后续算法使用。

于本发明一具体实施例中，所述混合模块如图2所示，包括：

第一混合单元，其配置为生成混合推荐策略，包括第一混合推荐策略、第二混合推荐策略、第三混合推荐策略和第四混合推荐策略；

所述第一混合推荐策略先通过影像检索算法从影像库中获得匹配影像，再通过影像组搜索算法从所述匹配影像中获得推荐影像；

所述第二混合推荐策略使用至少两个影像检索算法的并行组合算法进行影像推荐，即取至少两个影像检索算法检索结果的交集或并集作为推荐影像；

所述第三混合推荐策略通过加权多个影像检索算法的推荐结果，基于得分进行排序推荐；

所述第四混合推荐策略为所述第一混合推荐策略与所述第二混合推荐策略的元混合策略，即将所述第二混合推荐策略作为所述第一混合推荐策略的输入，得到所述匹配影像；

第二混合单元，其配置为根据混合推荐策略对所述影像检索算法和所述影像组搜索算法进行组合，得到混合推荐方案。

方案选择模块14，其配置为根据统筹应用场景信息、用户信息、用户历史行为信息和当前需求信息对各个混合推荐方案进行评价，得到方案评价值，选择方案评价值最高的混合推荐方案，得到最优推荐方案。

于本发明一具体实施例中，所述方案选择模块如图3所示，包括：

第一评价单元，其配置为基于统筹应用场景信息、当前需求信息得到混合推荐方案的第一评价分数；

第二评价单元，其配置为根据用户信息、用户历史行为信息得到混合推荐方案的第二评价分数；

方案选择单元，其配置为根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，得到最优推荐方案。

具体地，第一评价分数如下所示：

其中，

、

分别为比例系数，

、

均小于1，

为混合推荐方案的影像数量的等级分数，

为混合推荐方案的影像质量的质量分数，

为第一调节系数，

为第二调节系数，

、

均小于1。

具体地，

、

根据统筹应用场景信息确定，

根据混合推荐方案的推荐列表中的影像对目标区域的覆盖率来确定，

根据混合推荐方案的推荐列表中的影像的含云量来确定。

在本发明一具体实施例中，统筹应用场景信息为镶嵌场景，则

且

。根据各个混合推荐方案的影像数量进行等级划分，可以是均匀划分，也可以是非均等划分，等级划分有5个等级，对应的等级分数为0.2、0.4、0.6、0.8、1.0。

为混合推荐方案中影像的平均质量分数，当混合推荐方案的推荐列表中的影像对目标区域的覆盖率越大，则

越大，当混合推荐方案的推荐列表中的影像的含云量越大，则

越大。

具体地，第二评价分数为预测评分，即根据用户信息、用户历史行为信息提取出相应的数据，根据下式来预测第二评价分数：

其中，

为用户偏置项，表示用户信息中的固有因素的占比；

为混合推荐方案偏置项，其值与混合推荐方案中影像的平均质量分数成有关；m为当前需求信息，

为历史需求信息，A为该用户的历史行为次数，

为当前需求信息与历史需求信息的相似度，该相似度的计算方式可以是余弦相似度算法或皮尔逊相关系数算法。

于本发明一具体实施例中，所述根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，包括：

根据所述第一评价分数和所述第二评价分数生成方案评价值：

其中，R为方案评价值，R₁为第一评价分数，R₂为第二评价分数，w₁和w₂为权值，

。

根据所述方案评价值对混合推荐方案进行排序，选取最高方案评价值对应的混合推荐方案作为最优推荐方案。

推荐模块15，其配置为基于用户的检索条件使用最优推荐方案确定推荐影像列表，基于所述推荐影像列表对用户进行影像推荐。

本实施例中，影像的标签数据存储格式如下表所示：

其中，区域信息为影像的四个角点的坐标信息。通过栅格进一步确定影像的空间信息和多幅影像之间的重叠率。将检索条件与影像的标签数据输入最优推荐方案，得到影像推荐列表。

本发明还提供一种遥感影像动态混合推荐方法，所述方法应用于上述所述的系统，该方法如图4所示，包括以下步骤：

S1 获取用户信息、用户历史行为信息和需求信息，所述需求信息包括检索条件和统筹应用场景信息；

S2 获取推荐算法并对其进行存储，所述推荐算法包括影像检索算法和影像组搜索算法，所述影像组搜索算法包括以影像为路径的搜索算法，所述以影像为路径的搜索算法包括基于A-star的搜索算法、基于蒙特卡洛树的搜索算法、基于遗传算法的搜索算法、广度优先搜索算法、深度优先搜索算法、爬山法、最佳优先搜索算法、回溯法、分支限界搜索算法和基于强化学习的搜索算法；

S3 获取混合推荐策略，包括第一混合推荐策略、第二混合推荐策略、第三混合推荐策略、第四混合推荐策略和第五混合推荐策略，根据推荐算法和混合推荐策略生成所有混合推荐方案；

S4 基于统筹应用场景信息、当前需求信息进行计算，得到混合推荐方案的第一评价分数；

S5 根据用户信息、用户历史行为信息进行计算得到混合推荐方案的第二评价分数；

S6 根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，得到最优推荐方案；

S7 基于用户的检索条件使用最优推荐方案确定推荐影像列表，基于所述推荐影像列表对用户进行影像推荐。

本发明提出了一种遥感影像动态混合推荐系统及方法。该系统包括需求模块、算法模块、混合模块、方案选择模块和推荐模块。本发明的有益效果为：

（1）构建了遥感影像混合推荐系统，相比于使用单一推荐方式的系统能够提供更精准的推荐服务；

（2）系统全流程自动化，无人工干预下实现对混合推荐策略与推荐算法的动态选择；

（3）根据不同的应用场景生成对应最优的混合推荐方案，考虑到了不同应用场景下用户对影像的不同需求；

（4）对影像检索算法和影像组搜索算法进行组合，实现了针对遥感影像数据特性的影像推荐。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种遥感影像动态混合推荐系统，其特征在于，所述系统包括：

需求模块，其配置为获取用户信息、用户历史行为信息和需求信息，所述用户信息包括用户所属地区信息和用户所属行业信息，所述用户历史行为信息包括历史推荐信息和历史需求信息，所述需求信息包括检索条件和统筹应用场景信息；

算法模块，其配置为获取影像检索算法和影像组搜索算法并对其进行存储；

混合模块，其配置为根据混合推荐策略对所述影像检索算法和所述影像组搜索算法进行组合，生成所有混合推荐方案，所述混合推荐策略为多个推荐算法组合的方式；

方案选择模块，其配置为根据统筹应用场景信息、用户信息、用户历史行为信息和当前需求信息对各个混合推荐方案进行评价，得到方案评价值，选择方案评价值最高的混合推荐方案，得到最优推荐方案；

推荐模块，其配置为基于用户的检索条件使用最优推荐方案确定推荐影像列表，基于所述推荐影像列表对用户进行影像推荐。

2.根据权利要求1所述的系统，其特征在于，所述混合模块包括：

第一混合单元，其配置为生成混合推荐策略，包括第一混合推荐策略、第二混合推荐策略、第三混合推荐策略和第四混合推荐策略；

所述第一混合推荐策略先通过影像检索算法从影像库中获得匹配影像，再通过影像组搜索算法从所述匹配影像中获得推荐影像；

所述第二混合推荐策略使用至少两个影像检索算法的并行组合算法进行影像推荐，即取至少两个影像检索算法检索结果的交集或并集作为推荐影像；

所述第三混合推荐策略通过加权至少两个影像检索算法的推荐结果，基于得分进行排序推荐；

所述第四混合推荐策略为所述第一混合推荐策略与所述第二混合推荐策略的元混合策略，即将所述第二混合推荐策略作为所述第一混合推荐策略的输入，得到所述匹配影像；

第二混合单元，其配置为根据混合推荐策略对所述影像检索算法和所述影像组搜索算法进行组合，得到混合推荐方案。

3.根据权利要求1所述的系统，其特征在于，所述方案选择模块包括：

第一评价单元，其配置为基于统筹应用场景信息、当前需求信息得到混合推荐方案的第一评价分数；

第二评价单元，其配置为根据用户信息、用户历史行为信息得到混合推荐方案的第二评价分数；

方案选择单元，其配置为根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，得到最优推荐方案。

4.根据权利要求3所述的系统，其特征在于，所述根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，包括：

根据所述第一评价分数和所述第二评价分数生成方案评价值；

根据所述方案评价值对混合推荐方案进行排序，选取最高方案评价值对应的混合推荐方案。

5.根据权利要求3所述的系统，其特征在于，所述第一评价分数为：

其中，

、

分别为比例系数，

、

均小于1，

为混合推荐方案的影像数量的等级分数，

为混合推荐方案的影像质量的质量分数，

为第一调节系数，

为第二调节系数，

、

均小于1；

所述第二评价分数为：

其中，

为用户偏置项，

为混合推荐方案偏置项，m为当前需求信息，

为历史需求信息，A为该用户的历史行为次数，

为当前需求信息与历史需求信息的相似度。

6.根据权利要求1所述的系统，其特征在于，所述算法模块包括：

第一算法单元，其配置为获取影像检索算法并对其进行存储；

第二算法单元，其配置为获取影像组搜索算法并对其进行存储，所述影像组搜索算法包括以影像为路径节点的搜索算法，所述以影像为路径的搜索算法包括基于A-star的搜索算法、基于蒙特卡洛树的搜索算法、基于遗传算法的搜索算法、广度优先搜索算法、深度优先搜索算法、爬山法、最佳优先搜索算法、回溯法、分支限界搜索算法和基于强化学习的搜索算法。

7.根据权利要求1所述的系统，其特征在于，检索条件包括目标区域、影像采集时间范围、影像分辨率、传感器、卫星星源、影像质量。

8.根据权利要求7所述的系统，其特征在于，影像分辨率、传感器和卫星星源为相关检索项。

9.根据权利要求1所述的系统，其特征在于，统筹应用场景信息包括镶嵌场景和解译场景。

10.一种遥感影像动态混合推荐方法，其特征在于，所述方法应用于上述权利要求1-9任一项所述的系统中，包括：

S1 获取用户信息、用户历史行为信息和需求信息，所述需求信息包括检索条件和统筹应用场景信息；

S2 获取推荐算法并对其进行存储，所述推荐算法包括影像检索算法和影像组搜索算法，所述影像组搜索算法包括以影像为路径的搜索算法，所述以影像为路径的搜索算法包括基于A-star的搜索算法、基于蒙特卡洛树的搜索算法、基于遗传算法的搜索算法、广度优先搜索算法、深度优先搜索算法、爬山法、最佳优先搜索算法、回溯法、分支限界搜索算法和基于强化学习的搜索算法；

S3 获取混合推荐策略，包括第一混合推荐策略、第二混合推荐策略、第三混合推荐策略和第四混合推荐策略，根据推荐算法和混合推荐策略生成所有混合推荐方案；

S4 基于统筹应用场景信息、当前需求信息进行计算，得到混合推荐方案的第一评价分数；

S5 根据用户信息、用户历史行为信息进行计算得到混合推荐方案的第二评价分数；

S6 根据所述第一评价分数和所述第二评价分数对混合推荐方案进行选择，得到最优推荐方案；

S7 基于用户的检索条件使用最优推荐方案确定推荐影像列表，基于所述推荐影像列表对用户进行影像推荐。

Images