融合时间感知和增强过滤的农业知识推荐模型

• Published in: 智慧农业（中英文） Vol. 6; no. 1; pp. 123 - 134
• Main Authors: 王鹏哲, 朱华吉, 缪祎晟, 刘畅, 吴华瑞
• Format: Journal Article
• Language: Chinese
• Published: 中国农业科学院农业信息研究所 30.01.2024; 农业农村部数字乡村技术重点实验室,北京 100097,中国%广西大学 计算机与电子信息学院,广西南宁 530000,中国; 国家农业信息化工程技术研究中心,北京 100097,中国; 国家农业信息化工程技术研究中心,北京 100097,中国%国家农业信息化工程技术研究中心,北京 100097,中国; 农业农村部数字乡村技术重点实验室,北京 100097,中国; 广西大学 计算机与电子信息学院,广西南宁 530000,中国; 北京市农林科学院信息技术研究中心,北京 100097,中国
• Subjects: 滤波器算法; 农业知识推荐; 时间感知; 序列推荐; 自注意力网络; self-attention network; sequence recom-mendation; temporal perception; filter algorithm; agricultural knowledge recommendation
• ISSN: 2096-8094
• DOI: 10.12133/j.smartag.SA202312012

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题，提出一种融合时间感知和增强过滤的农业知识个性化推荐模型（Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge, TiFSA）。[方法]首先，基于时间感知的位置嵌入方法，将农户交互的时间信息与位置嵌入相结合，帮助学习农业情境下基于农时的项目相关性。其次，在时间感知位置嵌入的基础上，引入滤波器过滤算法，自适应地衰减农户情境数据中的噪声。最后，引入时间信息的多头自注意力网络，实现对时间、项目和特征的统一建模，对农户随时间变化的偏好特征进行情境表示，从而为用户提供可靠的推荐结果。[结果和讨论]根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明，该模型在农业数据集上的命中率为45.79%，归一化折损累计增益为53.52%；与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。[结论]该模型能够有效捕获农业领域的用户情境特征和建模农户的动态偏好，具有更好的推荐性能。