基于本體的農(nóng)村信息化服務(wù)平臺用戶模型

國帥 司海平

摘要：農(nóng)業(yè)是我國社會經(jīng)濟發(fā)展的支柱性產(chǎn)業(yè)之一，農(nóng)村作為農(nóng)業(yè)活動的基地，其信息化建設(shè)將推動傳統(tǒng)農(nóng)業(yè)的種植生產(chǎn)、監(jiān)控管理、市場營銷等飛速發(fā)展。以農(nóng)村信息化服務(wù)平臺為研究對象，圍繞此平臺利用OWL、Protégé軟件構(gòu)建農(nóng)業(yè)領(lǐng)域本體，基于農(nóng)業(yè)領(lǐng)域本體與平臺用戶注冊信息構(gòu)建用戶初始模型，計算用戶對平臺資源的初始興趣度;然后利用正面學(xué)習(xí)與反饋學(xué)習(xí)方法，從用戶日志與用戶反饋中獲取用戶對平臺資源的動態(tài)需求，進而對初始興趣度進行更新，以更為準(zhǔn)確地貼合用戶動態(tài)知識需求，構(gòu)建動態(tài)變化的用戶模型。

關(guān)鍵詞：領(lǐng)域本體;農(nóng)村信息化服務(wù);用戶模型

中圖分類號： S126文獻標(biāo)志碼： A文章編號：1002-1302（2020）13-0251-05

收稿日期：2019-08-13

基金項目：河南省科技惠民計劃（編號：152207110002）。

作者簡介：國帥（1995—），男，河南汝南人，碩士研究生，從事農(nóng)業(yè)信息技術(shù)研究。E-mail：631768265@qq.com。

通信作者：司海平，博士，副教授，從事農(nóng)業(yè)信息化、農(nóng)業(yè)大數(shù)據(jù)、計算機應(yīng)用技術(shù)研究。E-mail：pingsss@126.com。農(nóng)村信息化服務(wù)平臺是智慧農(nóng)業(yè)的重要構(gòu)成部分，也是適應(yīng)“三農(nóng)”（指農(nóng)業(yè)、農(nóng)村、農(nóng)民）發(fā)展和精準(zhǔn)扶貧要求的農(nóng)村信息化支撐體系，依托數(shù)據(jù)庫管理技術(shù)對農(nóng)業(yè)領(lǐng)域的銷售動態(tài)、市場供求、政策法規(guī)、農(nóng)業(yè)情報、科普知識、實用技術(shù)等進行整合集成與統(tǒng)籌管理，為農(nóng)技人員、涉農(nóng)企業(yè)、批發(fā)市場、種養(yǎng)專業(yè)戶以及廣大農(nóng)民提供個性化、交互式的農(nóng)業(yè)綜合信息檢索服務(wù)[1]。農(nóng)村綜合信息服務(wù)平臺所面向的服務(wù)對象眾多，所管理的涉農(nóng)信息龐雜、所服務(wù)的地域廣泛、所面對的信息需求多樣，如何為平臺用戶提供精準(zhǔn)的農(nóng)業(yè)信息服務(wù)，有效滿足平臺用戶特定的知識需求是當(dāng)前農(nóng)村信息化服務(wù)平臺面臨的關(guān)鍵問題。當(dāng)前，計算機領(lǐng)域內(nèi)常用的檢索引擎普遍以用戶輸入的關(guān)鍵詞為數(shù)據(jù)庫檢索對象，以關(guān)鍵詞的文字正則匹配為核心算法[2]，缺乏對關(guān)鍵詞的語義理解與關(guān)聯(lián)，更無法針對用戶動態(tài)、個性的知識需求提供有效的信息服務(wù)，檢索結(jié)果的通用性導(dǎo)致面向特定用戶的信息泛濫，用戶感興趣的信息會淹沒、流失在海量信息資源中[3]。

用戶模型是以用戶的身份職業(yè)、知識結(jié)構(gòu)、興趣偏好以及動態(tài)需求等為核心所構(gòu)建的用戶畫像，是綜合描述用戶個體差異化特性的模型。基于用戶模型所推薦的信息資源更具針對性與個性化，更為貼合用戶的實際、潛在的知識檢索需求，是當(dāng)前應(yīng)對海量信息精準(zhǔn)檢索與推薦、提高檢索結(jié)果與用戶需求之間重合度的重要方法。當(dāng)前用戶模型構(gòu)建方法主要分為手工定制、示例建模與自動建模三大類，其中手工定制與示例建模均須依賴用戶操作，一方面用戶操作的主觀能動性直接關(guān)系到模型刻畫的準(zhǔn)確度，另一方面用戶參與會降低建模效率，難以實時動態(tài)更新用戶需求描述模型。自動建模是系統(tǒng)根據(jù)用戶的各類行為，如檢索、瀏覽、下載等，對用戶的需求興趣點進行捕捉，構(gòu)建反映用戶行為特點與潛在需求的用戶模型，其建模客觀性與建模效率均較高，且能夠根據(jù)用戶源源不斷的行為對用戶需求模型進行更新與優(yōu)化，是個性化推薦系統(tǒng)中最常用的用戶模型構(gòu)建方法。基于本體的用戶建模方法是一種典型的自動建模方法，依托對領(lǐng)域內(nèi)知識的概念化與共享化實現(xiàn)信息的共享與重用，本研究將基于本體的用戶建模方法引入到農(nóng)村信息化服務(wù)平臺中，以期為涉農(nóng)信息的精準(zhǔn)檢索與個性化推薦提供服務(wù)支撐。

1農(nóng)業(yè)領(lǐng)域本體構(gòu)建

1.1本體

本體是對共享概念模型的明確的形式化規(guī)范說明，多著眼于某一特定領(lǐng)域，對領(lǐng)域內(nèi)的知識進行抽象與概念化，使其更具歸納性地對領(lǐng)域內(nèi)的信息以及信息之間的關(guān)聯(lián)關(guān)系進行描述與表達，在不同交流體之間得以有效共享與重用。某一專業(yè)領(lǐng)域的本體庫受到其固定的知識范圍、明確的知識概念等因素影響，本體庫的體量以及復(fù)雜程度相對有限，通常采用自上而下的構(gòu)建方法對本體庫進行構(gòu)建[4]。當(dāng)前在本體庫構(gòu)建中常用的本體描述語言包括資源描述框架（resource description framework，簡稱RDFS）、本體交換語言（ontology exchange language，簡稱XOL）、網(wǎng)絡(luò)本體語言（web ontology language，簡稱OWL）等，其中，OWL是萬維網(wǎng)聯(lián)盟（world wide web consortium，簡稱W3C）推薦的語義網(wǎng)技術(shù)棧的核心技術(shù)之一，在全球廣域網(wǎng)（world wide web，簡稱Web）環(huán)境與場景下應(yīng)用較為普遍，且具有較強的本體表達能力，作為RDFS的拓展版，其預(yù)定義詞匯功能為用戶更為準(zhǔn)確地表達專業(yè)領(lǐng)域的實體、屬性及其相互關(guān)系提供了良好的渠道[5]。

1.2農(nóng)業(yè)領(lǐng)域本體

對于農(nóng)業(yè)這一專業(yè)領(lǐng)域，本體庫是依據(jù)農(nóng)業(yè)實體中的相關(guān)概念與特征對農(nóng)業(yè)領(lǐng)域進行抽象模型構(gòu)建而形成的庫。當(dāng)前聯(lián)合國糧食及農(nóng)業(yè)組織（FAO）已面向不同農(nóng)業(yè)子領(lǐng)域如漁業(yè)、食品安全、植物等定義了多個本體庫[6]，但是面向農(nóng)村信息化服務(wù)平臺應(yīng)用的專門農(nóng)業(yè)領(lǐng)域本體庫尚未構(gòu)建。面向農(nóng)村信息化服務(wù)平臺應(yīng)用的農(nóng)業(yè)領(lǐng)域本體庫的構(gòu)建首先需要對本體描述語言進行選擇與確定，考慮到平臺中農(nóng)業(yè)信息資源的存儲環(huán)境多為Web端，OWL自身也具備優(yōu)質(zhì)的、豐富的知識表達能力以及靈活的數(shù)據(jù)建模能力[7]，因此，本研究選擇OWL作為農(nóng)業(yè)領(lǐng)域本體描述語言，并基于此構(gòu)建農(nóng)業(yè)領(lǐng)域本體庫，具體實現(xiàn)流程如下：

1.2.1概念抽象對平臺中農(nóng)業(yè)領(lǐng)域的實體重要概念與主要特征進行描述，主要包括生產(chǎn)對象、農(nóng)機設(shè)備、涉農(nóng)技術(shù)、生產(chǎn)過程等，對上述概念進一步細(xì)化，生產(chǎn)對象包括作物、動物、土壤等，農(nóng)機設(shè)備包括耕耘機、插秧機、播種機、脫粒機、抽水機、拖拉機、收割機、打捆機等，涉農(nóng)技術(shù)包括作物種植技術(shù)、動物養(yǎng)殖技術(shù)、土壤培育技術(shù)等，生產(chǎn)過程包括動物生產(chǎn)過程等。

1.2.2概念定義對“1.2.1”節(jié)中抽象出的概念進行定義，在本體庫中，所有的類都是物品Thing類的子類，上述概念生產(chǎn)對象、農(nóng)機設(shè)備、涉農(nóng)技術(shù)、生產(chǎn)過程的類分別定義為Object、Equipment、Technology、Process，上述概念所具備的屬性與詳細(xì)描述見表1。

1.2.3約束條件定義在“1.2.2”節(jié)對農(nóng)業(yè)領(lǐng)域相關(guān)實體及其屬性定義的基礎(chǔ)上，須要對其實體之間的約束條件進行定義，例如Object類中的勞動手段與Technology類中的涉農(nóng)技術(shù)二者之間是互為互逆關(guān)系的，通過對實體及其屬性構(gòu)建約束條件，可以更為精確地描述農(nóng)業(yè)領(lǐng)域本體庫。

1.2.4本體庫構(gòu)建在農(nóng)業(yè)領(lǐng)域的實體、屬性、約束條件等定義的基礎(chǔ)上，本研究采用Protégé軟件對本體進行編輯，以O(shè)WL為本體描述語言，構(gòu)建面向農(nóng)村信息化服務(wù)平臺的農(nóng)業(yè)領(lǐng)域本體庫。

（1）本體類定義。

Object類定義：

###http：//www.Object_kq.com#Object

：Objectrdf：typeowl：Class.

Equipment類定義：

###http：//www.Object_kq.com#Equipment

：Equipmentrdf：typeowl：Class.

Technology類定義：

###http：//www.Object_kq.com#Technology

：Technologyrdf：typeowl：Class.

Process類定義：

###http：//www.Object_kq.com#Process

：Process rdf：typeowl：Class.

（2）部分對象屬性定義。

勞動手段objectTechnology對象屬性定義：

###http：//www.movie_kq.com#directMovie

：objectTechnologyrdf：typeowl：ObjectProperty;

owl：inverseOf：technologyObject

rdfs：domain：Technology;

rdfs：range：Object;

（3）部分?jǐn)?shù)據(jù)屬性定義。

生產(chǎn)對象類型objectType數(shù)據(jù)屬性定義：

###http：//www.movie_kq.com#objectType

：objectTyperdf：typeowl：DataProperty;

rdfs：domain：Object;

rdfs：rangexsd：enum;

農(nóng)機設(shè)備使用年限equipmentYear數(shù)據(jù)屬性定義：

###http：//www.movie_kq.com#equipmentYear

：equipmentYearrdf：typeowl：DataProperty;

rdfs：domain：Equipment;

rdfs：rangexsd：DateTime;

1.2.5創(chuàng)建本體實例“1.2.1”節(jié)至“1.2.4”節(jié)步驟可以實現(xiàn)基于OWL與Protégé的農(nóng)業(yè)領(lǐng)域本體庫構(gòu)建，在本體庫具體應(yīng)用中，須要對本體與屬性進行實例化，創(chuàng)建農(nóng)業(yè)領(lǐng)域本體實例。

2基于本體的用戶模型構(gòu)建思路

用戶模型是對用戶知識結(jié)構(gòu)與興趣愛好的綜合描述，一方面用戶模型要在初始階段為每個用戶個體建立1個初始模型，此初始模型源起于用戶知識結(jié)構(gòu)，另一方面用戶模型應(yīng)當(dāng)伴隨著用戶興趣偏好的變化而動態(tài)更新，以更為精準(zhǔn)地捕獲用戶個性化需求。基于這一認(rèn)知，本研究農(nóng)村信息化服務(wù)平臺用戶模型的構(gòu)建思路如下。

2.1構(gòu)建初始用戶模型

本研究中，領(lǐng)域本體中蘊藏了農(nóng)業(yè)領(lǐng)域的實體、屬性與實體關(guān)系等信息，可以通過三元組較為全面、準(zhǔn)確地對農(nóng)業(yè)領(lǐng)域?qū)嶓w進行表達與描述，例如農(nóng)業(yè)領(lǐng)域中的Object類與Technology類，二者各自有各自的屬性，同時二者又通過“勞動手段”等對象屬性進行關(guān)聯(lián)，構(gòu)成了農(nóng)業(yè)領(lǐng)域知識結(jié)構(gòu)，同時也被作為奠定用戶知識結(jié)構(gòu)的基礎(chǔ)。

初始用戶模型在農(nóng)業(yè)領(lǐng)域知識結(jié)構(gòu)的基礎(chǔ)上增加用戶個性化信息。對于農(nóng)村信息化服務(wù)平臺而言，游客僅能對平臺的概括性、介紹性信息進行瀏覽，不是平臺的深度用戶，也非本研究關(guān)注的研究對象。平臺中的重要資源、數(shù)據(jù)與服務(wù)均面向注冊用戶，本研究以此類深度用戶為研究對象，用戶個性化信息來源于農(nóng)村信息化服務(wù)平臺中詳細(xì)的用戶注冊信息，包括用戶的職業(yè)、年齡、電話、所在地區(qū)、研究關(guān)注方向等，隱藏了用戶個性化特征，例如用戶的職業(yè)隱性反映其興趣，研究關(guān)注方向可通過與領(lǐng)域本體概念的相似度計算顯性反映用戶對資源的興趣度。

2.2用戶模型更新

初始用戶模型是基于農(nóng)業(yè)領(lǐng)域知識以及用戶注冊信息構(gòu)建的基礎(chǔ)性、固化性、具有一定個體代表性的用戶模型。用戶模型更新需要在此初始用戶模型的基礎(chǔ)上進行優(yōu)化更新，以更為精準(zhǔn)、動態(tài)地捕捉用戶知識需求。用戶模型更新的學(xué)習(xí)方法主要包括正面學(xué)習(xí)、觀察學(xué)習(xí)、反饋學(xué)習(xí)等，對于農(nóng)村信息化服務(wù)平臺而言，主要以正面學(xué)習(xí)與反饋學(xué)習(xí)為學(xué)習(xí)方法，一方面，通過平臺實時監(jiān)測、自動保存的用戶日志正面反映用戶對平臺的歷史查詢檢索行為，包括檢索關(guān)鍵詞、關(guān)鍵詞所屬興趣領(lǐng)域、平臺資源瀏覽時間。另一方面，通過用戶對平臺資源的反饋信息，如“點贊”“評論”等，作為統(tǒng)計數(shù)據(jù)表達用戶對某資源的關(guān)注度。

3基于本體的農(nóng)村信息化服務(wù)平臺用戶模型構(gòu)建

3.1構(gòu)建初始用戶模型

面向農(nóng)村信息化服務(wù)平臺的初始用戶模型（UModel）可表達如下：

UModel={Uinfo，Rinfo，Interest}。（1）

式中：Uinfo為用戶信息;Rinfo為平臺資源信息;Interest為用戶對平臺資源的興趣度。

用戶信息由用戶注冊信息構(gòu)成，可表達如下：

Uinfo={Uname，Uphone，Uage，Uregion，Ujob，Ustudy}。（2）

式中：Uname為用戶姓名;Uphone為用戶聯(lián)系方式;Uage為用戶年齡;Uregion為用戶所在區(qū)域;Ujob為用戶職業(yè);Ustudy為用戶所關(guān)注的研究方向。

平臺資源信息為農(nóng)村信息化服務(wù)平臺所存儲與管理的資源信息，可表達如下：

Rinfo={Notion，Resource，Similarity}。（3）

式中：Notion為本研究所構(gòu)建的農(nóng)業(yè)領(lǐng)域本體中的概念;Resource為農(nóng)村信息化服務(wù)平臺中管理的資源與數(shù)據(jù);Similarity為資源與概念之間的語義相似度。

3.1.1資源與概念之間的相似度計算資源與概念的相似度計算主要步驟如下。

3.1.1.1平臺資源映射到低維向量空間中采用嵌入式轉(zhuǎn)化模型（translating embedding，簡稱TransE）作為平臺資源關(guān)鍵信息的表示學(xué)習(xí)方法[8]，將平臺資源關(guān)鍵信息所映射的實體與關(guān)系嵌入到一個低維向量空間中，實現(xiàn)實體與關(guān)系的向量化表示，其表達式如下：

Resource=（V，E）。（4）

式中：Resource為農(nóng)村信息化服務(wù)平臺中管理的資源與數(shù)據(jù)，V為平臺資源中的實體集合（節(jié)點集合），E為平臺資源中實體間關(guān)系的集合（邊集合）。

定義基本單元三元組（vh，r，vi），vh與vi為平臺資源關(guān)鍵信息的實體（首、尾節(jié)點），其中，h和i是首、尾節(jié)點編碼，r為2個實體（節(jié)點）之間的關(guān)聯(lián)關(guān)系。將三元組中的實體與關(guān)系映射到一個低維向量空間中，希望得到的情況是：首節(jié)點的向量與關(guān)聯(lián)關(guān)系向量之間相加接近尾節(jié)點向量，其表達式如下：

vh+r≈vi。（5）

vh+r越接近vi，則表明實體與關(guān)系在低維向量空間中的嵌入越準(zhǔn)確。根據(jù)上述思想，構(gòu)建三元組中實體與關(guān)系嵌入低維向量空間準(zhǔn)確度的評價函數(shù)，其表達式如下：

f（vh，r，vi）=‖vh+r-vi‖。（6）

式中：f（vh，r，vi）為準(zhǔn)確度評價函數(shù)，其值越小，表明準(zhǔn)確度越高。

式（6）為針對某一三元組構(gòu)建的準(zhǔn)確度評價函數(shù)，而對于平臺資源向量化表示而言，需要對所有三元組的準(zhǔn)確度評價函數(shù)進行綜合，則面向所有樣本的目標(biāo)函數(shù)可表達為：

L=∑（h，r，t）∈S∑（h;，r，t;）∈S（h，r，t）′max [0，f（vh，r，vi）-f（v;h，r，v;t）+γ]。（7）

式中：S為正確的三元組集合（正樣本）;S（h，r，t）′為錯誤的三元組集合（負(fù)樣本），正樣本直接從領(lǐng)域本體中構(gòu)造獲得，負(fù)樣本則通過從領(lǐng)域本體中構(gòu)造獲得正確的三元組后再對其中的任一特征（首節(jié)點實體、尾節(jié)點實體、實體間關(guān)系）進行修改，模擬構(gòu)造出錯誤的樣本;γ用于在向量空間中表達正、負(fù)樣本之間的間距，其值越大表明在向量空間中，正、負(fù)樣本可以更好地被區(qū)分與隔離開，在TransE中γ值通常設(shè)置為1;h;為錯誤的首節(jié)點實體編碼;t;為錯誤的尾節(jié)點實體編碼;L為對領(lǐng)域本體中的所有三元組進行遍歷。最終計算得到的準(zhǔn)確度與正負(fù)樣本間距之和，對于正樣本而言，f（vh，r，vi）越靠近0表明準(zhǔn)確度越高，對于負(fù)樣本而言，f（v;h，r，v;t）越靠近無窮大表明錯誤的三元組準(zhǔn)確度非常差。

模型訓(xùn)練旨在通過正樣本與負(fù)樣本在模型中的迭代運算，對目標(biāo)函數(shù)中的相關(guān)參數(shù)進行優(yōu)化，最終使得目標(biāo)函數(shù)的值達到用戶預(yù)先設(shè)定的目標(biāo)值（目標(biāo)函數(shù)收斂）0或者迭代次數(shù)達到用戶預(yù)先設(shè)定的迭代次數(shù)[9]。本研究引入反向傳播（back propagation，簡稱BP）算法對模型進行訓(xùn)練，將同等數(shù)量的正樣本與負(fù)樣本作為輸入數(shù)據(jù)輸入到初始模型中，引入隨機梯度下降算法對模型進行迭代運算，使得模型可以以更快的速度收斂。

隨機梯度下降算法的核心理念是，考慮到模型訓(xùn)練過程中巨大的樣本量，隨機梯度下降算法從大量樣本中隨機抽取一定的樣本作為本次迭代運算的訓(xùn)練樣本集，利用有限的訓(xùn)練樣本集對模型進行訓(xùn)練，對模型參數(shù)進行優(yōu)化，提高模型訓(xùn)練與收斂的效率，其實現(xiàn)步驟如下。

步驟1：設(shè)置最大迭代次數(shù)與收斂值，初始化模型優(yōu)化參數(shù)（γ等），準(zhǔn)備好正、負(fù)訓(xùn)練樣本集N;步驟2：從訓(xùn)練樣本集中抽取m個樣本，構(gòu)成本次迭代訓(xùn)練樣本集;步驟3：計算偏導(dǎo)數(shù)，估算目標(biāo)值下降梯度;步驟4：對初始化模型參數(shù)γ進行更新;步驟5：重復(fù)步驟2至步驟4，直到下降后的目標(biāo)值低于初始設(shè)置的收斂值或者迭代次數(shù)超過初始設(shè)置的最大迭代次數(shù)。

是綜合描述用戶個體差異化特性的模型。本研究將基于本體的用戶建模方法引入到農(nóng)村信息化服務(wù)平臺中，首先基于農(nóng)業(yè)領(lǐng)域本體與用戶注冊信息構(gòu)建初始用戶模型，接著利用實時監(jiān)測的用戶日志與用戶反饋對初始用戶模型進行更新優(yōu)化，為涉農(nóng)工作人員提供個性化的平臺資源。

參考文獻：

[1]張源媛. 供給側(cè)改革背景下農(nóng)業(yè)信息化建設(shè)研究[J]. 經(jīng)濟論壇，2019（5）：63-68.

[2]黃利斌. 基于本體的農(nóng)業(yè)知識庫檢索關(guān)鍵技術(shù)研究[D]. 長沙：湖南農(nóng)業(yè)大學(xué)，2017.

[3]何勝，馮新翎，武群輝，等. 基于用戶行為建模和大數(shù)據(jù)挖掘的圖書館個性化服務(wù)研究[J]. 圖書情報工作，2017，61（1）：40-46.

[4]李貫峰. 基于本體的農(nóng)業(yè)知識建模研究[J]. 軟件導(dǎo)刊，2016，15（12）：65-67.

[5]蘇玉寧，姜藝，陳賀勝，等. 基于Ontology的農(nóng)業(yè)科學(xué)領(lǐng)域知識庫構(gòu)建[J]. 江蘇農(nóng)業(yè)科學(xué)，2018，46（5）：194-198.

[6]趙嫦花，米春橋. 大數(shù)據(jù)時代基于本體的農(nóng)業(yè)信息融合方法研究[J]. 懷化學(xué)院學(xué)報，2017，36（5）：41-45.

[7]周義剛. 基于本體分子的動態(tài)知識檢索模型及可視化呈現(xiàn)[J]. 圖書館學(xué)研究，2018（11）：48-56.

[8]阮懷偉，胡松華，陳艷平，等. 基于本體的興趣模型和語義相似度計算方法的研究[J]. 電腦知識與技術(shù)，2018，14（20）：183-185.

[9]魏同，李紹穩(wěn)，耿凡凡，等. 基于領(lǐng)域本體的用戶興趣模型構(gòu)建方法研究[J]. 計算機技術(shù)與發(fā)展，2017，27（3）：65-69.張凈，張濤，郭洪波. 基于窄帶物聯(lián)網(wǎng)的中藥材種植智能測控系統(tǒng)設(shè)計[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（13）：256-264.doi：10.15889/j.issn.1002-1302.2020.13.052