一种基于信任个性化农业信息方法.docVIP

一种基于信任的个性化农业信息推荐方法 　　摘要：针对农业信息用户群，提出一种基于信任的个性化农业信息推荐方法。通过情境感知搜索一组偏好相似的推荐用户，并通过皮尔逊相关系数计算用户的评价相似度，引入信任机制，使用户之间的相似度计算更加准确，从而为目标用户提供更好的推荐结果，使推荐信息更为可信。 　　关键词：农业信息；推荐技术；个性化；信任机制 　　中图分类号：TP391.1 文献标识码：A 文章编号：0439-8114（2018）03-0094-03 　　DOI：10.14088/j.cnki.issn0439-8114.2018.03.023 　　Abstract： For agricultural information users，a recommendation 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 recommendation results for the target user are provided. 　　Key words： agricultural information； recommendation technology； individuation； mechanism of trust 　　目前，??家对农业信息技术日益重视，对农业信息技术的支持不断加大，传统的农业信息服务，面对信息过载等问题不能有效利用和处理海量农业信息，难以满足农业从业者多方位的需求。在计算机技术、网络技术和智能技术的推动下，个性化农业信息服务应运而生。个性化信息服务能根据用户模糊的、潜在的需求转化为明确的、现实的需求，通过对环境、用户习惯、个性的分析，进而向用户主动提供其可能需要的信息。推荐系统是一种典型个性化信息服务，可以为用户推荐感兴趣的信息，相对农业用户而言，极大地简化了用户获得所需要信息的方式。 　　大部分推荐系统采用了协同过滤算法[1]来提高推荐质量（如淘宝网），这种推荐系统并不分析信息之间的相似性，而是学习用户之间获取信息行为的相似性，从而根据相似用户获得推荐结果。研究指出，优点是用户可以发现新的感兴趣的信息而不需要考虑信息本身。缺点是如果用户对信息的评价矩阵非常稀疏，这样得到用户间的相似性可能不准确，存在“稀疏问题”；如果一直没有用户对某一信息进行评价，则这个信息就不可能被推荐，存在“冷开始问题”[2]。为此，提出了基于信任模型的协同过滤推荐算法[3]，然而在农业信息推荐领域，由于客户群体的差异，以上2个问题更为普遍，本研究借鉴电子商务领域的做法，在协同过滤推荐算法中引入信任机制的同时加入了农业情境个性化感知，使目标用户获得更优的最近邻居集，进而获得更好的推荐效果。 　　1 农业情境个性化感知 　　如果一个新用户从未对系统中的信息项目进行评价，就无法获知其兴趣点，无法找到相似用户，也就不知道推荐什么信息项目给该用户。一般采用新用户进入系统前，先注册个人用户信息来解决新用户问题，但是如果需要输入的信息过多，用户就会放弃使用推荐系统。由于农业用户群体，整体来讲，信息获取能力较低，信息素质不高，不善于网络信息的交互，基本上只是被动获取信息。因此，本研究提出了一种农业情境感知的个性化信息服务方法，利用现代网络技术和智能技术自动感知用户的情境信息，在尽可能减少输入信息的条件下，预测用户的偏好，通过建立农业信息资源分类方法，及时地、有针对性地向用户主动推荐所需内容，更高效地满足不同农业用户的个性化需求，提供更灵活、更简单的信息服务。 　　农业情境信息通常包括空间信息、时间信息、气象信息、用户行为等[4]，通过感知技术使之能影响业务逻辑和页面显示，主要分2种类型：一种是基本情境信息，用于描述用户工作环境的情境信息；一种是时序情境信息，用于描述用户在服务系统中与时间紧密相关所进行的一系列操作。 　　目前，大部分农业用户采用移动终端和PC机获取信息，分别运用GPS定位和IP定位方式获得地理位置信息，通过服务端的系统信息可获得详细的时间分布信息，再利用Web Service技术获得气象等相关信息。用户只需输入少量简单的注册用户信息，通过智能情境感知，可获得具有个性化的用户信息，建立更全面的用户档案，作为推荐的基础，有效地减少了协同过滤推荐技术中经常出现的2个问题。 　　2 基于信任的推荐方