融入情境因素和用戶偏好的農(nóng)業(yè)信息個(gè)性化推薦模型構(gòu)建

裘進(jìn)　李秋霞

摘 要 農(nóng)業(yè)信息的獲取對(duì)用戶農(nóng)業(yè)生產(chǎn)來(lái)說(shuō)至關(guān)重要，其直接影響了農(nóng)民的收入。由于農(nóng)業(yè)具有地域性、季節(jié)性等情境特點(diǎn)，再加上用戶具有個(gè)人偏好上的動(dòng)態(tài)變化，使農(nóng)業(yè)信息推薦的時(shí)效性尤為重要?；诖耍瑢⑥r(nóng)業(yè)情境特點(diǎn)、用戶搜索瀏覽行為、用戶特征、信息偏好、時(shí)間變化等綜合考慮，構(gòu)建面向涉農(nóng)用戶的農(nóng)業(yè)信息個(gè)性化推薦服務(wù)框架和算法模型。

關(guān)鍵詞 農(nóng)業(yè)信息資源；用戶興趣偏好；個(gè)性化推薦

中圖分類(lèi)號(hào)：TP391.3 文獻(xiàn)標(biāo)志碼：B DOI：10.19415/j.cnki.1673-890x.2018.15.109

在信息技術(shù)不斷發(fā)展的今天，農(nóng)業(yè)領(lǐng)域?qū)π畔①Y源的需求也隨之增強(qiáng)，掌握農(nóng)業(yè)信息對(duì)涉農(nóng)用戶的生產(chǎn)、市場(chǎng)活動(dòng)有著密切的關(guān)系，如何在農(nóng)業(yè)領(lǐng)域相關(guān)活動(dòng)中推進(jìn)信息化技術(shù)的應(yīng)用，如何利用信息化技術(shù)使農(nóng)業(yè)信息需求用戶及時(shí)獲知農(nóng)業(yè)方面的政策法規(guī)、前沿技術(shù)、市場(chǎng)信息，并提供具有針對(duì)性的個(gè)性化咨詢服務(wù)成為了農(nóng)業(yè)信息化推進(jìn)過(guò)程中的一大難題。一方面，農(nóng)業(yè)信息涉及因素較多，結(jié)構(gòu)關(guān)系復(fù)雜；另一方面，用戶快速獲取信息的時(shí)效性和針對(duì)性不強(qiáng)。

目前，信息推薦系統(tǒng)大多是根據(jù)用戶網(wǎng)絡(luò)瀏覽行為進(jìn)行相關(guān)推薦，對(duì)用戶具體特征、用戶偏好及情境因素等考慮較少[1]。事實(shí)上，用戶對(duì)信息的需求是不斷變化的，但已有的推薦算法大多停留在靜態(tài)層面，并未考慮到時(shí)間差異對(duì)用戶偏好的動(dòng)態(tài)改變，用戶對(duì)信息偏好的興趣會(huì)隨著時(shí)間推移出現(xiàn)動(dòng)態(tài)漂移，從而在一定程度上引起最終推薦效果的偏差[2]。因此，為解決涉農(nóng)用戶農(nóng)業(yè)信息過(guò)載、信息不對(duì)稱(chēng)、信息獲取效率低等問(wèn)題，應(yīng)結(jié)合用戶情境特點(diǎn)和信息興趣的偏好變化，建立農(nóng)業(yè)信息個(gè)性化推薦的基本流程和算法。

1 農(nóng)業(yè)信息服務(wù)的關(guān)聯(lián)因素

1.1 農(nóng)業(yè)信息情境

農(nóng)業(yè)信息推薦服務(wù)是以用戶為服務(wù)對(duì)象，信息資源為基礎(chǔ)數(shù)據(jù)，為用戶提供個(gè)性化信息推薦服務(wù)為目標(biāo)。由于農(nóng)業(yè)信息服務(wù)會(huì)受到農(nóng)業(yè)領(lǐng)域中相關(guān)情境因素的影響，如地域、季節(jié)、溫度、土壤、光照、市場(chǎng)、種植技術(shù)水平等因素，所以農(nóng)業(yè)信息推薦服務(wù)具有情境因素的特點(diǎn)。

情境因素的獲取是指根據(jù)用戶所處的具體農(nóng)業(yè)環(huán)境和農(nóng)業(yè)生產(chǎn)因素，一方面需獲取用戶農(nóng)業(yè)信息資源的地理特性、周期性的特點(diǎn)，另一方面通過(guò)物聯(lián)網(wǎng)傳感器技術(shù)對(duì)所處農(nóng)業(yè)領(lǐng)域溫度、濕度、土壤等農(nóng)業(yè)生產(chǎn)信息資源進(jìn)行獲取。以上兩方面情境因素的獲取是對(duì)用戶不斷變化的周?chē)h(huán)境信息進(jìn)行獲取處理的過(guò)程。

1.2 用戶興趣偏好信息的獲取

在農(nóng)業(yè)信息資源推薦中，即使用戶在相同的地域、時(shí)節(jié)、氣候、土壤等情景條件下，其信息需求也會(huì)有一定差異。因此，如何構(gòu)建用戶對(duì)信息需求偏好與已有信息資源之間的關(guān)系，是農(nóng)業(yè)信息個(gè)性化推薦服務(wù)中的重要環(huán)節(jié)。

本研究主要從用戶顯式行為信息和隱式信息兩方面構(gòu)建用戶對(duì)農(nóng)業(yè)信息的興趣偏好計(jì)算模型。顯式信息的獲取是通過(guò)用戶主動(dòng)提供的一些個(gè)人基本情況、信息內(nèi)容偏好、獲取信息的方式等多方面來(lái)構(gòu)建用戶的興趣偏好模型。隱式信息的獲取是在用戶沒(méi)有主動(dòng)參與的情況下，通網(wǎng)頁(yè)信息瀏覽、網(wǎng)頁(yè)點(diǎn)擊、網(wǎng)頁(yè)保存、網(wǎng)頁(yè)打印、服務(wù)器端日志數(shù)據(jù)等操作提取用戶興趣偏好。

1.3 信息個(gè)性化推薦技術(shù)

在生產(chǎn)應(yīng)用的各領(lǐng)域中，信息資源數(shù)量呈指數(shù)式增長(zhǎng)，這使得用戶無(wú)法在最短的時(shí)間內(nèi)快速獲取高需求信息，從而導(dǎo)致信息過(guò)載、使用效率低下、信息獲取成本高等多種問(wèn)題。本研究采用個(gè)性化信息推薦技術(shù)以提高農(nóng)業(yè)信息領(lǐng)域信息資源利用率，針對(duì)用戶個(gè)性化的特點(diǎn)和需求，構(gòu)建以用戶為中心的信息推薦服務(wù)，從而解決信息過(guò)載、搜尋信息針對(duì)性較差的問(wèn)題?；诖?，構(gòu)建的個(gè)性化農(nóng)業(yè)信息推薦服務(wù)模型主要包含三大模塊：農(nóng)業(yè)信息資源數(shù)據(jù)庫(kù)、用戶興趣偏好計(jì)算、農(nóng)業(yè)信息個(gè)性化推薦三個(gè)模塊，如圖1所示。

2 個(gè)性化推薦平臺(tái)總體架構(gòu)

基于數(shù)據(jù)獲取渠道、數(shù)據(jù)信息、信息偏好匹配構(gòu)建了農(nóng)業(yè)信息個(gè)性化推薦的服務(wù)框架，以為農(nóng)業(yè)信息用戶提供信息資源服務(wù)，如圖2所示。

3 農(nóng)業(yè)信息個(gè)性化推薦模型

3.1 用戶偏好模型的構(gòu)建

用戶對(duì)農(nóng)業(yè)信息的偏好程度可從用戶在網(wǎng)頁(yè)搜索瀏覽行為上體現(xiàn)，主要包括農(nóng)業(yè)信息網(wǎng)頁(yè)的點(diǎn)擊瀏覽、訪問(wèn)時(shí)長(zhǎng)、頁(yè)面保存、頁(yè)面打印等行為，農(nóng)業(yè)信息推薦服務(wù)模塊如圖3所示。通過(guò)以上行為，可構(gòu)建用戶偏好行為的靜態(tài)度量模型，故用戶對(duì)網(wǎng)頁(yè)信息瀏覽偏好函數(shù)可表示為：

I（m）=φ（f（m），t（m），s（m），p）

f（m）為用戶對(duì)網(wǎng)頁(yè)m點(diǎn)擊情況函數(shù)，t（m）是在網(wǎng)頁(yè)m上的訪問(wèn)時(shí)長(zhǎng)，s（m）是對(duì)網(wǎng)頁(yè)保存情況的函數(shù)，p（m）是對(duì)網(wǎng)頁(yè)打印情況的函數(shù)。上述用戶偏好函數(shù)模型并未將用戶訪問(wèn)農(nóng)業(yè)信息網(wǎng)的時(shí)間信息變化考慮在內(nèi)，基于此，根據(jù)實(shí)際應(yīng)用中用戶對(duì)農(nóng)業(yè)信息的需求與時(shí)間推移變化的關(guān)系，構(gòu)建農(nóng)業(yè)信息個(gè)性化推薦來(lái)契合用戶的真實(shí)需求。研究發(fā)現(xiàn)，用戶的興趣偏好會(huì)隨著時(shí)間而減弱，一般來(lái)說(shuō)，用戶對(duì)最近的網(wǎng)頁(yè)瀏覽興趣度較高，而對(duì)先前的搜索瀏覽行為興趣偏好弱化，因此，農(nóng)戶信息偏好的網(wǎng)頁(yè)信息應(yīng)該與最近時(shí)間搜索瀏覽的網(wǎng)頁(yè)相似，于是將用戶網(wǎng)頁(yè)搜索瀏覽的時(shí)間信息融入到偏好度模型中，修正的用戶偏好度模型可表示為：

w（u，m）表示基于時(shí)間的權(quán)重因子，已訪問(wèn)農(nóng)業(yè)信息網(wǎng)頁(yè)m對(duì)用戶u的權(quán)重。

進(jìn)一步利用顯式獲取和隱式獲取的方法，將用戶主動(dòng)提供的興趣偏好、跟蹤用戶搜索瀏覽網(wǎng)頁(yè)的行為推理出用戶偏好，從而獲取用戶信息需求。此外，將用戶情境因素融入模型構(gòu)建中，得到用戶綜合興趣偏好模型：

3.2 推薦算法的實(shí)現(xiàn)

通過(guò)獲取用戶相關(guān)的情境因素，以及用戶在搜索瀏覽信息過(guò)程中顯式、隱式信息，利用網(wǎng)頁(yè)信息偏好度計(jì)算得到用戶對(duì)網(wǎng)頁(yè)信息的偏好程度，并結(jié)合用戶偏好推薦公式計(jì)算得到的前N篇農(nóng)業(yè)信息網(wǎng)頁(yè)，并返回給農(nóng)戶，為涉農(nóng)用戶提供農(nóng)業(yè)信息方面的相關(guān)推薦。具體算法描述如下。

輸入：目標(biāo)用戶u的情境數(shù)據(jù)，用戶u訪問(wèn)過(guò)的農(nóng)業(yè)信息資源數(shù)據(jù)、訪問(wèn)時(shí)間。

輸出：向目標(biāo)用戶u推薦的N篇興趣偏好度最高的網(wǎng)頁(yè)信息。

過(guò)程：1）通過(guò)傳感器、GPRS等互聯(lián)網(wǎng)終端設(shè)備采集用戶相關(guān)情境信息，形成向量U；2）利用相似度公式計(jì)算用戶情境因素與待推薦網(wǎng)頁(yè)信息的相似值，從而獲得所需推薦的農(nóng)業(yè)信息，轉(zhuǎn)入f；3）對(duì)Web用戶日志信息進(jìn)行挖掘，獲取用戶大量的網(wǎng)頁(yè)搜索、瀏覽行為數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行清洗、去噪、提取等相關(guān)處理，再通過(guò)熵權(quán)計(jì)算法，得到目標(biāo)用戶u的行為權(quán)重；4）讀取目標(biāo)用戶u訪問(wèn)的每個(gè)信息資源i的行為數(shù)據(jù)和訪問(wèn)時(shí)間數(shù)據(jù)，得到基于最近信息瀏覽的集合C；5）對(duì)集合C中用戶偏好度值進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算得出待推薦農(nóng)業(yè)信息與用戶情境、瀏覽行為相匹配的相似度I（A）；6）將排序最前、最相關(guān)的N篇網(wǎng)頁(yè)信息推薦給用戶。

4 結(jié)語(yǔ)

農(nóng)業(yè)信息的個(gè)性化推薦系統(tǒng)對(duì)于用戶和農(nóng)業(yè)信息服務(wù)網(wǎng)站來(lái)說(shuō)至關(guān)重要，它不僅能夠提升用戶信息搜索瀏覽的時(shí)間效率，也可幫助農(nóng)業(yè)信息服務(wù)網(wǎng)站根據(jù)用戶群里的需求充分挖掘用戶的消費(fèi)潛力。為了滿足用戶對(duì)農(nóng)業(yè)信息個(gè)性化、準(zhǔn)確性、高效性的需求，將涉農(nóng)用戶情境因素、網(wǎng)頁(yè)搜索瀏覽行為、訪問(wèn)時(shí)間、興趣偏好綜合考慮，構(gòu)建了一個(gè)多信息構(gòu)成的綜合推薦模型，并設(shè)計(jì)個(gè)性化農(nóng)業(yè)信息推薦算法，使推薦結(jié)果更加符合用戶的真實(shí)需求。

參考文獻(xiàn)：

[1] 王國(guó)霞，劉賀平.個(gè)性化推薦系統(tǒng)綜述[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（7）：66-76.

[2] 邢春曉，高鳳榮，戰(zhàn)思南，等.適應(yīng)用戶興趣變化的協(xié)同過(guò)濾推薦算法[J].計(jì)算機(jī)研究與發(fā)展，2007，44（2）：296-300.

（責(zé)任編輯：趙中正）