一種基于信任的個(gè)性化農(nóng)業(yè)信息推薦方法

1、一種基于信任的個(gè)性化農(nóng)業(yè)信息推薦方法摘要：針對農(nóng)業(yè)信息用戶群，提出一種基于信任的個(gè)性化農(nóng)業(yè)信息推薦方法。通過情境感知搜索一組偏好相似的推薦用戶，并通過皮爾遜相關(guān)系數(shù)計(jì)算用戶的評價(jià)相似度，引入信任機(jī)制，使用戶之間的相似度計(jì)算更加準(zhǔn)確，從而為目的用戶提供更好的推薦結(jié)果，使推薦信息更為可信。關(guān)鍵詞：農(nóng)業(yè)信息；推薦技術(shù)；個(gè)性化；信任機(jī)制中圖分類號(hào)：TP391.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114202203-0094-03DOI：10.14088/j ki.issn0439-8114.2022.03.023Abstract： For agricultural information use

2、rs，a remendation method for personalized agricultural information based on trust is proposed，and calculate the similarity of users by pearson correlation coefficient，introduce mechanism of trust，the similarity between users is more accurate，better remendation results for the target user are provided

3、.Key words： agricultural information； remendation technology； individuation； mechanism of trust目前，家對農(nóng)業(yè)信息技術(shù)日益重視，對農(nóng)業(yè)信息技術(shù)的支持不斷加大，傳統(tǒng)的農(nóng)業(yè)信息效勞，面對信息過載等問題不能有效利用和處理海量農(nóng)業(yè)信息，難以滿足農(nóng)業(yè)從業(yè)者多方位的需求。在計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和智能技術(shù)的推動(dòng)下，個(gè)性化農(nóng)業(yè)信息效勞應(yīng)運(yùn)而生。個(gè)性化信息效勞能根據(jù)用戶模糊的、潛在的需求轉(zhuǎn)化為明確的、現(xiàn)實(shí)的需求，通過對環(huán)境、用戶習(xí)慣、個(gè)性的分析，進(jìn)而向用戶主動(dòng)提供其可能需要的信息。推薦系統(tǒng)是一種典型個(gè)性化信息效勞，可以

4、為用戶推薦感興趣的信息，相對農(nóng)業(yè)用戶而言，極大地簡化了用戶獲得所需要信息的方式。大部分推薦系統(tǒng)采用了協(xié)同過濾算法1來進(jìn)步推薦質(zhì)量如淘寶網(wǎng)，這種推薦系統(tǒng)并不分析信息之間的相似性，而是學(xué)慣用戶之間獲取信息行為的相似性，從而根據(jù)相似用戶獲得推薦結(jié)果。研究指出，優(yōu)點(diǎn)是用戶可以發(fā)現(xiàn)新的感興趣的信息而不需要考慮信息本身。缺點(diǎn)是假設(shè)用戶對信息的評價(jià)矩陣非常稀疏，這樣得到用戶間的相似性可能不準(zhǔn)確，存在“稀疏問題；假設(shè)一直沒有用戶對某一信息進(jìn)展評價(jià)，那么這個(gè)信息就不可能被推薦，存在“冷開始問題2。為此，提出了基于信任模型的協(xié)同過濾推薦算法3，然而在農(nóng)業(yè)信息推薦領(lǐng)域，由于客戶群體的差異，以上2個(gè)問題更為普遍，本研

5、究借鑒電子商務(wù)領(lǐng)域的做法，在協(xié)同過濾推薦算法中引入信任機(jī)制的同時(shí)參加了農(nóng)業(yè)情境個(gè)性化感知，使目的用戶獲得更優(yōu)的最近鄰居集，進(jìn)而獲得更好的推薦效果。1 農(nóng)業(yè)情境個(gè)性化感知假設(shè)一個(gè)新用戶從未對系統(tǒng)中的信息工程進(jìn)展評價(jià)，就無法獲知其興趣點(diǎn)，無法找到相似用戶，也就不知道推薦什么信息工程給該用戶。一般采用新用戶進(jìn)入系統(tǒng)前，先注冊個(gè)人用戶信息來解決新用戶問題，但是假設(shè)需要輸入的信息過多，用戶就會(huì)放棄使用推薦系統(tǒng)。由于農(nóng)業(yè)用戶群體，整體來講，信息獲取才能較低，信息素質(zhì)不高，不擅長網(wǎng)絡(luò)信息的交互，根本上只是被動(dòng)獲取信息。因此，本研究提出了一種農(nóng)業(yè)情境感知的個(gè)性化信息效勞方法，利用現(xiàn)代網(wǎng)絡(luò)技術(shù)和智能技術(shù)自動(dòng)感知

6、用戶的情境信息，在盡可能減少輸入信息的條件下，預(yù)測用戶的偏好，通過建立農(nóng)業(yè)信息資源分類方法，及時(shí)地、有針對性地向用戶主動(dòng)推薦所需內(nèi)容，更高效地滿足不同農(nóng)業(yè)用戶的個(gè)性化需求，提供更靈敏、更簡單的信息效勞。農(nóng)業(yè)情境信息通常包括空間信息、時(shí)間信息、氣象信息、用戶行為等4，通過感知技術(shù)使之能影響業(yè)務(wù)邏輯和頁面顯示，主要分2種類型：一種是根本情境信息，用于描繪用戶工作環(huán)境的情境信息；一種是時(shí)序情境信息，用于描繪用戶在效勞系統(tǒng)中與時(shí)間嚴(yán)密相關(guān)所進(jìn)展的一系列操作。目前，大部分農(nóng)業(yè)用戶采用挪動(dòng)終端和PC機(jī)獲取信息，分別運(yùn)用GPS定位和IP定位方式獲得地理位置信息，通過效勞端的系統(tǒng)信息可獲得詳細(xì)的時(shí)間分布信息，

7、再利用Web Service技術(shù)獲得氣象等相關(guān)信息。用戶只需輸入少量簡單的注冊用戶信息，通過智能情境感知，可獲得具有個(gè)性化的用戶信息，建立更全面的用戶檔案，作為推薦的根底，有效地減少了協(xié)同過濾推薦技術(shù)中經(jīng)常出現(xiàn)的2個(gè)問題。2 基于信任的推薦方法與傳統(tǒng)推薦系統(tǒng)不同，基于信任的推薦系統(tǒng)通過增加用戶間的評分?jǐn)?shù)據(jù)，把推薦系統(tǒng)中的用戶聯(lián)絡(luò)起來，自然地形成一個(gè)社會(huì)網(wǎng)絡(luò)，形成用戶之間的信任關(guān)系。大部分用戶，尤其是農(nóng)業(yè)用戶群體更相信朋友的推薦。2.1 相似度計(jì)算基于協(xié)同過濾算法采用比較當(dāng)前用戶與其他用戶的評分，使用皮爾遜相似度方法計(jì)算相似度5。其中，ra，i表示用戶a對項(xiàng)i的評分；m是a、b兩個(gè)共同評分過的項(xiàng)

8、的數(shù)目；ra表示用戶a的平均評分。2.2 預(yù)測評分通過預(yù)測評分的上下，向當(dāng)前用戶推薦評分最高的項(xiàng)。鄰居定義為與用戶a相似度較高的一組用戶，其他定義如公式1。這種計(jì)算相似度方法，只有在比較多的工程上評分比較相似時(shí)，才得出相似度是可信的，但假設(shè)用戶評分?jǐn)?shù)據(jù)極端稀疏，此時(shí)得出的相似度并不可靠。因此，在協(xié)同過濾推薦算法中引入信任機(jī)制，來改進(jìn)傳統(tǒng)相似度計(jì)算方法的缺乏。2.3 信任度計(jì)算借鑒大型電子商務(wù)系統(tǒng)如eBay，假設(shè)2個(gè)用戶共同對一工程進(jìn)展了評價(jià)，就認(rèn)為他們之間進(jìn)展了一次直接交易，通過評價(jià)值可以計(jì)算兩者之間的直接信任度。一般情況，共同評價(jià)的工程會(huì)比較少，僅僅用直接信任是不準(zhǔn)確的，另一種情況，假設(shè)2個(gè)

9、用戶中只有1個(gè)用戶對工程進(jìn)展了評價(jià)，這樣就無法計(jì)算2個(gè)用戶的直接信任度，那么可以先對未評價(jià)的用戶進(jìn)展預(yù)測工程的評價(jià)值，再計(jì)算2個(gè)用戶的間接信任，這種間接信任可有效地進(jìn)步用戶間信任的準(zhǔn)確度。用戶之間的信任值可通過借鑒社會(huì)網(wǎng)絡(luò)中人之間的信任評價(jià)方法進(jìn)展計(jì)算： 2.3.1 直接信任度 假設(shè)a、b兩個(gè)用戶共同對1個(gè)工程進(jìn)展了評價(jià)，那么就認(rèn)為a、b兩個(gè)用戶進(jìn)展了一次交易，a、b兩個(gè)用戶的直接信任可以通過a、b兩個(gè)用戶共同評價(jià)工程的相關(guān)度反映出來。因此，直接信任度計(jì)算如下：2.3.2 間接信任度 假定Ia為用戶a評價(jià)的工程集合，Ib為用戶b評價(jià)的工程集合，用集合Ia-IaIb作為用戶a評價(jià)但用戶b未評價(jià)的

10、工程，這種情況，在這些工程上用戶a對用戶b的直接信任程度無法知道，所以用戶b對這些工程需要進(jìn)展預(yù)測。因此，在集合Ia-IaIb工程上，通過用戶a的評價(jià)值與用戶b的預(yù)測值，獲得用戶a和用戶b之間的相關(guān)度，從而間接地反映用戶a對用戶b的間接信任度。可以利用公式2的方法獲得沒有評分的工程的預(yù)測值，先進(jìn)展工程之間的相關(guān)度計(jì)算，得到最近鄰居，再通過最近鄰居對相關(guān)工程的評分來預(yù)測未評分工程的評分6。計(jì)算方法：2.3.3 預(yù)測推薦 可以通過選擇用戶u最信任的k個(gè)用戶或信任度值大于指定閥值的用戶作為最近鄰居集合Nu，再通過用戶的最近鄰居集合Nu來預(yù)測在用戶uU中未被評價(jià)的工程iI，計(jì)算方法如下：推薦預(yù)測評分值

11、最高的N個(gè)工程給目的用戶u。其中，ru表示用戶u對工程的平均評分、rk分別表示用戶k對工程的平均評分；rk，i作為用戶k對工程i的評分。3 結(jié)果與分析試驗(yàn)時(shí)，在TAB=0鸕d+1-Rr公式中選取不同的權(quán)重值以獲得不同的推薦效果。通過在不同鄰居數(shù)的情況下試驗(yàn)，獲得當(dāng)=0.8時(shí)產(chǎn)生較好的推薦結(jié)果，說明在基于農(nóng)業(yè)信息的推薦中，直接信任占主導(dǎo)，用戶更愿意相信朋友。=0表示只采用間接信任，=1表示只采用直接信任，相當(dāng)于傳統(tǒng)協(xié)同過濾算法推薦的結(jié)果。比較這2種情況發(fā)現(xiàn)，采用直接信任推薦質(zhì)量更好，說明直接信任可信度更高，直接通過朋友的推薦更可信。間接信任度計(jì)算因?yàn)橐蕾囶A(yù)測，因此預(yù)測的準(zhǔn)確度對推薦效果產(chǎn)生了積極

12、的影響。由于本研究引入了情景感知，可以獲得更多的工程鄰居數(shù)，所以準(zhǔn)確度更高，推薦效果更好。將傳統(tǒng)的協(xié)同過濾算法與本研究提出的算法進(jìn)展了5次比照試驗(yàn)，如圖1所示，結(jié)果說明，本研究提出的算法，由于采用了個(gè)性化情境感知，又引入了信任機(jī)制，因此獲得了更好的推薦效果。這里相關(guān)度是指用戶需求與推薦結(jié)果的匹配程度。4 小結(jié)本研究針對農(nóng)業(yè)用戶群的特點(diǎn)，提出了一種基于信任的個(gè)性化農(nóng)業(yè)信息推薦方法，通過情景感知和用戶注冊，獲得更為豐富的用戶信息，簡化了用戶操作的方式。加上信任機(jī)制的引入，通過用戶間的直接信任和間接信任的結(jié)合，使用戶間的相似度計(jì)算更準(zhǔn)確，使目的用戶能獲得更近的鄰居集，更好地識(shí)別和預(yù)測了用戶的興趣偏好

13、，有效地減少了協(xié)同過濾推薦技術(shù)中經(jīng)常出現(xiàn)“稀疏問題和“冷開始問題，起到了更好的推薦效果。參考文獻(xiàn)：1 ADOMAVICIUS G，TUZHILIN A. Toward the next generation of remender systems：A survey of the state-of-the-art and possible extensionsJ.IEEE Transactions on Knowledge and Data Engineering，2022，176：734-749.2 鄧愛林，朱楊勇，施伯樂.基于工程評分預(yù)測的協(xié)同過濾推薦算法J.軟件學(xué)報(bào)，2022，149：1621-1628.3 夏小伍，王l平.基于信任模型的協(xié)同過濾推薦算法J.計(jì)算機(jī)工程，2022，3721：26-28.4 楊寶祝，劉 妍，吳華瑞，等.基于情境感知的個(gè)性化農(nóng)業(yè)信息效勞模