基于深度学习的动植物新品种精准推荐方法

摘要

针对我国动植物新品种资源信息服务存在的信息不对称、更新不及时、新品种资源难以落地等问题。提出一种结合深度神经网络和注意力机制的两步推荐算法。该算法首先基于动植物品种资源全文数据，构建动植物品种词汇库，搭建Siamese BERT(Bidirectional Encoder Representations from Transformers)网络，通过BERT获取文本上下文关联语义特征，运用双向最大匹配算法获取品种词典特征向量，融合语义及词典特征，通过相似度计算训练回归模型，实现动植物新品种与历史品种相似判断。接下来融合用户静态属性特征、用户行为特征、动植物品种资源特征等品种推荐影响因子，综合分析农业领域用户的行业差异、习惯差异，提出面向动植物品种推荐的用户特征及品种特征表征方式，基于CNN(Convolutional Neural Network)构建用户兴趣网络模型，并引入注意力机制来实现用户与品种的精准匹配推荐。在互联网实时监控新品种资源，实现全自动化的动植物新品种自动推荐。性能测试与效果验证结果表明，该算法在准确率和F1值评价指标上分别达到84.1%和0.832，相比基于协同过滤、矩阵分解等传统推荐算法，能更精准实现动植物新品种的推荐。

关键词

动植物品种资源 / 推荐 / 深度神经网络 / 两步推荐 / 兴趣模型

基金资助

科技创新2030重大项目子课题(2022ZD0115705-05)