農業專家信息服務系統專家推薦及績效評估方法研究

摘 要：為了提高農業專家信息服務系統的服務效能，設計了1種農業專家信息服務推薦模型，模型基于混合的推薦算法，按照農業專家與待處理農業問題的適配度計算農業專家的推薦評分，得出專家推薦列表；還設計了1套農業專家績效評估的辦法，對農業專家的業務能力和工作效果進行評估，最后用評估結果對之前的專家推薦評分進行加權回歸調整，得到一個更加優化的農業專家推薦列表。

關鍵詞：推薦算法；績效評估；推薦模型；農業信息服務

中圖分類號：TP39 文獻標識碼：A 文章編號：1006-060X（2018）08-0086-04

Research on Agricultural Expert Information Service Recommendation and Performance Evaluation Methods

HE Yi1，2，SHEN Yue 1

（1. College of Information Science and Technology， Hunan Agricultural University， Changsha 410128， PRC； 2. Hunan Institute of Agricultural Information and Engineering， Changsha 410125， PRC）

Abstract：In order to improve the service effect of agricultural expert information service system， An agricultural expert information service recommendation model is presented. The model is based on a mixed recommendation algorithm. The agricultural experts' recommendation scores are calculated according to the matching degree between the agricultural experts and the agricultural issues to be solved， a list of recommended agricultural experts was generated from high to low. A set of agricultural expert performance evaluation methods are given. It is helpful to evaluate the professional ability of agricultural experts and working effect. Finally， weighted regression was used to adjust the previous expert recommendation score， and a more optimized agricultural expert recommendation list was obtained.

Key words：recommendation algorithm； performance evaluation； recommendation system； agricultural information service

隨著信息技術的快速發展，信息技術在農業信息服務領域得到了廣泛的應用[1-2]。在湖南省農村農業信

息化綜合服務平臺上，農業專家通過網絡和電話回答農業生產一線提出的各種農業種養問題，極大的方便了農民和農業科技工作者，打通了農業技術服務的最后一公里。然而由于問題的多樣化及專家擅長領域的差異，存在提出的問題和解決問題的專家不匹配的現象，另外，農業專家的服務質量也存在差異，使農業信息服務效果受到影響。為了有效解決這些問題，設計了一個可信度較高的農業專家信息服務推薦模型，能自動為用戶推薦合適的農業專家；并根據用戶問題的解決率、專家的專業水平和服務態度等評價等對專家的服務進行評價，進而促進平臺服務效能的提高。

1 農業專家信息服務系統專家推薦

1.1 農業專家信息服務系統專家推薦模型組成

1.1.1 用戶模塊 用戶是推薦模型的入口，全面分析用戶的需求是推薦模型的關鍵 [3]。建立用戶模塊，主要考慮以下5要素：（1）數據范圍，哪些是重要的數據。（2）在用戶的興趣與需求變化的情況下，如何設計泛化能力更好的模型。（3）建模的對象。（4）如何建模。（5）模型的輸出。用戶建模的流程圖如圖1所示。

用戶模塊負責獲取的用戶信息，主要包括以下4個方面的信息：（1）用戶屬性，即基本信息，包括用戶的姓名、出生年月、婚否、社會面貌等。（2）用戶手工輸入的信息，包括用戶在瀏覽器中經常輸入的詞語以及用戶對系統的反饋。（3）用戶的瀏覽內容與操作。用戶對內容瀏覽的次數、每次瀏覽停留的時間、是否添加收藏等因素體現。（4）用戶偏好屬性特征。不同用戶對同領域的問題側重點不一樣，比水稻方面的問題，又分為栽培、植保等。另外，對象的創建時間以及修改時間也是非常重要的因素之一。

由于用戶本身能力和知識層次的差異，上述辦法所獲取的用戶模型的質量非常有限，還需要吸收專家意見或者行業術語抽取來優化用戶模型。另外，用戶模型還需要考慮個體的變化、環境的變化，以及變化期間的長短[4]。

1.1.2 推薦對象模塊 推薦對象建模時主要考慮以下4個要素：（1）推薦對象的決定性特征。（2）用戶與對象之間如何建立起有效的關聯。（3）提取的特征如何影響最后的推薦結果。（4）提取的對象特征能否隨著時間迭代更新。這里的推薦對象為農業專家，主要信息內容為：（1）基本信息，包括專家的姓名、出生年月、工作單位、學歷、研究方向和專業技術職稱等。（2）專家的研究能力和學術水平。主要是專家正在進行或者已經完成的科研課題及數量，著作、論文、專利以及獲得獎項等信息，這些都是專家的科研能力、創新能力以及持續發展力的表現形式。

1.1.3 推薦算法模塊 推薦算法決定了推薦模型的類型和效率。農業專家信息服務推薦算法以協同過濾算法作為基礎，使用基于神經網絡的方法——多層非線性感知器來對特征進行學習，得到特征向量，計算用戶特征向量和專家特征向量余弦相似度，從而得到專家推薦列表。

首先將用戶需解決的問題分解為多個特征，例如：問題所屬領域、需求的專家水平、問題緊急性等；同樣，將農業專家信息分解為多個特征，例如：擅長領域、職稱、資歷、項目經驗等。然后，將這些特征向量化，以one-hot encoding的形式唯一表示，長度為特征的總數量，為每個特征設置1個唯一的序號，再將每個特征向量中此序號的位置設定為1，其具體表現形式如圖2所示，圖2假設有3個特征，其特征向量總長為3。

將特征向量使用多層非線性感知器進行監督式的學習，具體的訓練過程如3圖。模型完成訓練后，不輸出是否匹配的結果，僅取中間生成的空間嵌入向量，使用余弦相似度計算推薦指標。

1.2 農業專家信息服務系統專家推薦模型設計

專家推薦模型流程見圖5，用戶通過填寫相關信息發布需要解決的農業問題，系統將其需求轉化為特征向量，再使用模型進行計算該特征向量與農業專家特征向量的余弦相似度，獲得所有農業專家與用戶待解決問題的匹配度，通過設定一定閾值，從高到低排列推薦的農業專家。

1.3 農業專家信息服務系統專家推薦算法檢驗與分析

從用戶和農業專家相關信息中提取出37個特征。其中用戶特征包括：性別、職業、學歷、所屬地區、戶口所在地、民族、注冊時間、使用農業服務的次數、問題所屬農業的子領域、專家資質要求、問題緊急性、政治面貌、所需服務類型。以上特征能較為全面地描述用戶所需的服務，從而與接下來的農業專家信息特征相關聯，提供更好的推薦服務。專家特征包括：性別、所屬地區、戶口所在地、職稱、政治面貌、學歷、擅長領域、工作年限、服務次數、服務收費、可提供的業務類型、服務質量、用戶評分、主持項目數量、重大成就評定、平均服務時長等。通過提取上述特征，可以較為準確表述農業專家的服務水平與能力。農業信息特征包括：當前節氣、所屬地區平均溫度、所屬地區濕度、所屬地區土壤情況、所屬地區作物病蟲害、所屬地區水產病蟲害、市場價格、服務政策。該類特征作為輔助信息，用于補充用戶、專家特征信息的全面性。由于單一的one-hot encoding向量矩陣過于稀疏，在計算時占用過多不必要的資源，因此將稀疏矩陣合并，合并后大致為如[0，1，0，1，0，1，1，1，……1，0]。

對特征數據使用Min-Max Normalization進行標準化。這種標準化方法又稱作離差標準化，是將原始的數據利用公式進行線性變換，再將數據結果映射到[0，1]的區間范圍[5]，具體實現為：

通過檢驗表明，該數據模型可以有效的將農業專家與用戶需求進行匹配。

2 農業專家信息服務系統專家績效評估

農業專家信息服務及績效評價體系總體架構[6]如圖6所示。農業專家通過電話語音、手機短信、網絡互動和現場調度等方式與服務對象進行交流，解決用戶需求。專家與用戶之間的交流可以產生大量服務信息，這些信息與專家的專業知識數據一同并入數據庫，數據庫囊括了農業知識、業務數據、績效評估等信息[7]。

2.1 專家績效評估的指標與標度[8]

2.1.1 用戶問題的解決率[9] 即業務效率指標 問題是否得到解決是一個非常直觀的判定方式，幫助用戶解

決問題才是具有實際意義。用集合A1={A11，A12，A13}

來表示專家解決用戶問題的效率指標集合。其中A11代

表專家解決問題的平均時間，A12代表用戶對專家的效率滿意度，A13代表專家已解決的問題數量。其中各

個評價指標相應的權重集合為W1={W11，W12，W13}。

2.1.2 專家的專業水平即專家資質指標 提供服務的專家是農業信息服務體統中非常重要的一環，專家的水平越高所能提供服務的質量就越高。經驗豐富的專家考慮問題更加周到，解決問題的方法更有效。用集合A2={A21，A22，A23}來表示專家資質的指標集合。其中A21代表專家的學歷，A22代表專家從事該行業的年限，A23代表專家的職稱。其中各個評價指標相應的權重集合為W2={W21，W22，W23}。

2.1.3 專家的服務滿意度即專家服務評價指標 由于用戶與專家對同一事物的認知程度不可能完全一樣，因此在交流的時候可能會產生分歧。本著服務用戶的宗旨，專家應該給用戶留下好印象，這是專家與用戶的雙贏。用集合A3={A31，A32}來表示專家服務評價指標集合。其中A31代表用戶對專家服務態度的評價星級，A32代表用戶對專家服務質量的評價星級。其中各個評價指標相應的權重集合為W3={W31，W32}。

2.1.4 突破性成果即專家突出成果指標 由于每個用戶所處的環境不一樣，專家可能會面對從來沒有遇到過的問題。突破性的成果將作為一個加分項游離在前3個基本指標之外。用集合A4={A41，A42，A43}來表示專家科研成果指標集合。其中A41代表專家的著作量，A42代表專家科研課題的數量，A43代表專家獎項數量。其中各個評價指標相應的權重集合為W4={W41，W42，W43}。

2.2 績效評估計算數學模型[10]

業務效率指標數學模型見公式（6），專家資質指標數學模型見公式（7），專家服務評價指標數學模型見公式（8），專家突出成果指標數學模型見公式（9），其中W1i～W4i為相應權重。專家績效評估評分數學模型公式（10）。

3 結 語

為了提高農業專家信息服務系統的服務效能，研究了農業專家信息服務系統專家推薦模型和農業專家績效評估模型。一是提出基于混合式的推薦算法，通過提取農業信息專家以及提取用戶需求的相關信息，構建向量模型，經過計算余弦相似度，形成專家推薦列表，更好的滿足農戶的農業科技信息服務需求。二是研究專家的農業信息服務及績效考核體系，旨在解決服務專家服務的可信度和服務效率問題，根據農業專家的研究能力、科研水平、科研成果、服務時長和服務質量等評價因素，構建了一套科學的績效評估體系，有效保障農業專家信息服務的質量，確保科技服務平臺持續穩定發展。

最后，以JEE為技術基礎，SSH技術為開發框架，MySQL為數據庫，開發了Web端的農業專家信息服務推薦模型應用。該系統提供農業專家績效評估功能以及農業專家信息服務推薦功能。

參考文獻：

[1] 石 磊，陶永才，李俊艷，等. 個性化微博實時推薦模型研究[J]. 小型微型計算機系統，2016 ，（9）：1910-1914.

[2]丁 哲，秦 臻，鄭文韜，等. 基于移動用戶瀏覽行為的推薦模型[J]. 電子科技大學學報，2017，（6）：907-912.

[3]徐 萌. 基于服務關系的服務組合相關技術研究[D]. 北京：北京郵電大學，2007.

[4]林海倫. 用戶主導的個性化信息服務構造的研究[D]. 濟南：山東科技大學，2011.

[5]譚 英，謝詠才，王德海. 農業科技專家大院信息服務模式分析與評價[J].農業網絡信息，2004，（8）：16-18，20.

[6]邵 帥. 能力—績效模型及評估方法研究[D]. 北京：中國地質大學，2007.

[7]王臻榮，任曉春. 我國地方政府績效模型的構建與分析[J]. 中國行政管理，2011，（11）：24-28.

[8]李 鵬. 電子政務技術對地方政府績效的作用研究[D]. 大連：大連理工大學，2012.

[9]Steve Mason，Tim Baines，John M. Kay，et al. Improving the design process for factories： Modeling human performance variation[J]. Journal of Manufacturing Systems，2005，24（1）：47-54.

[10] 張 祥. 我國企業國際化經營及其績效研究[D]. 成都：西南財經大學，2013.

（責任編輯：高國賦）