农业知识推送方法、装置、电子设备及存储介质

本发明涉及农业知识服务，尤其涉及一种农业知识推送方法、装置、电子设备及存储介质。

背景技术：

1、随着信息技术的不断发展和农业现代化的推进，农业知识的获取和应用变得愈发重要。用户需要获取最新、最实用的农业知识来提高农产品的产量和质量，从而实现农业可持续发展。然而，传统的农业知识获取方式存在许多问题，如信息不准确、推送不及时、缺乏个性化等。

2、目前，虽然已经有一些农业知识推送系统，实现了信息的及时推送，但往往只是泛泛地向广大用户推送相同的信息，没有考虑到不同用户的个性化需求，这导致用户在海量的信息中难以找到适合自己的农业知识，影响了农业生产的效益。同时，现有的农业知识推送系统也缺乏对用户特征的深入分析，无法实现农业知识的精准推送。

3、因此，如何更好地实现农业知识的推送已成为业界亟待解决的技术问题。

技术实现思路

1、本发明提供一种农业知识推送方法、装置、电子设备及存储介质，用以更好地实现农业知识的推送。

2、本发明提供一种农业知识推送方法，包括：

3、基于各个用户的标签属性信息和农业知识类别信息，确定每个所述用户对应的目标向量组信息；所述标签属性信息是基于用户的身份信息、用户对农业知识的行为信息以及用户所在地信息确定的；

4、将各个所述目标向量组信息输入至农业知识推荐模型，得到农业知识推荐模型输出的每个所述用户的农业知识推荐结果；所述目标向量组信息包括所述用户的标签属性信息对应的第一向量和所述农业知识类别信息对应的第二向量；所述农业知识推荐模型是基于目标向量组信息样本及对应的农业知识资源类型标签训练得到的；所述目标向量组信息样本是基于用户的标签属性信息样本和农业知识类别信息样本确定的；

5、将每个所述农业知识推荐结果对应的农业知识消息推送给对应的用户。

6、根据本发明提供的一种农业知识推送方法，所述基于各个用户的标签属性信息和农业知识类别信息，确定每个所述用户对应的目标向量组信息，包括：

7、对各个用户的标签属性信息和农业知识类别信息进行数据预处理，得到预处理后的各个用户的标签属性信息和预处理后的农业知识类别信息；

8、基于所述预处理后的各个用户的标签属性信息，确定各个所述用户的标签属性信息对应的第一向量；

9、对所述预处理后的农业知识类别信息进行向量表示，得到所述农业知识类别信息对应的第二向量。

10、根据本发明提供的一种农业知识推送方法，所述对各个用户的标签属性信息和农业知识类别信息进行数据预处理，得到预处理后的各个用户的标签属性信息和预处理后的农业知识类别信息，包括：

11、分别对各个用户的标签属性信息和农业知识类别信息进行清洗、去重和标准化处理，得到处理后的各个用户的标签属性信息和处理后的农业知识类别信息；

12、分别对所述处理后的各个用户的标签属性信息和所述处理后的农业知识类别信息进行数字向量转换，得到各个所述标签属性信息对应的第一数字索引矩阵和所述农业知识类别信息对应的第二数字索引矩阵；

13、所述预处理后的各个用户的标签属性信息包括各个所述第一数字索引矩阵和所述预处理后的农业知识类别信息包括所述第二数字索引矩阵。

14、根据本发明提供的一种农业知识推送方法，所述基于所述预处理后的各个用户的标签属性信息，确定各个所述用户的标签属性信息对应的第一向量，包括：

15、基于各个所述第一数字索引矩阵，获取所述处理后的各个用户的标签属性信息；

16、基于所述处理后的各个用户的标签属性信息，构建用户画像标签模型；

17、利用所述用户画像标签模型，生成各个所述用户的标签属性信息对应的第一向量。

18、根据本发明提供的一种农业知识推送方法，在所述将各个所述目标向量组信息输入至农业知识推荐模型，得到农业知识推荐模型输出的每个所述用户的农业知识推荐结果之前，所述方法还包括：

19、将所述目标向量组信息样本及对应的农业知识资源类型标签作为一组训练样本，获取多组所述训练样本；

20、利用多组所述训练样本，对农业知识推荐模型进行训练。

21、根据本发明提供的一种农业知识推送方法，所述利用多组所述训练样本，对农业知识推荐模型进行训练，包括：

22、对于任意一组训练样本，将所述训练样本输入至所述农业知识推荐模型，输出所述训练样本对应的模型预测结果；

23、利用预设损失函数，根据所述训练样本对应的模型预测结果和所述训练样本对应的农业知识资源类型标签，计算损失值；

24、基于所述损失值，对所述农业知识推荐模型的模型参数进行调整，直至所述损失值小于预设阈值或训练次数达到预设次数；

25、将所述损失值小于所述预设阈值或训练次数达到所述预设次数时所得到的模型参数，作为训练好的农业知识推荐模型的模型参数。

26、本发明还提供一种农业知识推送装置，包括：

27、处理模块，用于基于各个用户的标签属性信息和农业知识类别信息，确定每个所述用户对应的目标向量组信息；所述标签属性信息是基于用户的身份信息、用户对农业知识的行为信息以及用户所在地信息确定的；

28、输出模块，用于将各个所述目标向量组信息输入至农业知识推荐模型，得到农业知识推荐模型输出的每个所述用户的农业知识推荐结果；所述目标向量组信息包括所述用户的标签属性信息对应的第一向量和所述农业知识类别信息对应的第二向量；所述农业知识推荐模型是基于目标向量组信息样本及对应的农业知识资源类型标签训练得到的；所述目标向量组信息样本是基于用户的标签属性信息样本和农业知识类别信息样本确定的；

29、推送模块，用于将每个所述农业知识推荐结果对应的农业知识消息推送给对应的用户。

30、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述农业知识推送方法。

31、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述农业知识推送方法。

32、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述农业知识推送方法。

33、本发明提供的农业知识推送方法、装置、电子设备及存储介质，通过充分挖掘各个用户对于农业知识之间的交互信息，包括用户的身份信息、用户对农业知识的行为信息以及用户所在地信息，构建各个用户的标签属性，对各个用户的标签属性信息和农业知识类别信息进行文本向量化处理，确定各个用户标签属性信息对应的第一向量和农业知识类别信息对应的第二向量，进而利用各个用户的标签属性信息样本和农业知识类别信息样本对深度神经网络模型进行训练，获得农业知识推荐模型，通过农业知识推荐模型对各个输入向量进行识别，精确识别用户感兴趣的农业知识类别，输出每个用户的农业知识推荐结果，并将每个农业知识推荐结果对应的农业知识消息推送给对应的用户，实现了农业知识的个性化和精准化推送。