|本期目录/Table of Contents|

[1]魏博识,卢　涛*.基于土壤数据广度与深度模型的作物推荐算法[J].武汉工程大学学报,2021,43(04):455-461.[doi:10.19843/j.cnki.CN42-1779/TQ.202101011]
　WEI Boshi,LU Tao*.Algorithm for Crop Recommendation Based on Wide and Deep Model of Soil Data[J].Journal of Wuhan Institute of Technology,2021,43(04):455-461.[doi:10.19843/j.cnki.CN42-1779/TQ.202101011]
点击复制

基于土壤数据广度与深度模型的作物推荐算法(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
43
期数:
2021年04期
页码:
455-461
栏目:
机电与信息工程
出版日期:
2021-08-31

文章信息/Info

Title:
Algorithm for Crop Recommendation Based on Wide and Deep Model of Soil Data
文章编号:
1674 - 2869（2021）04 - 0455 - 07
作者:
魏博识1; 2; 卢　涛*1; 2
1. 智能机器人湖北省重点实验室（武汉工程大学），湖北 武汉 430205；2. 武汉工程大学计算机科学与工程学院，湖北 武汉 430205
Author(s):
WEI Boshi1; 2;  LU Tao*1; 2
1. Hubei Key Laboratory of Intelligent Robot（Wuhan Institute of Technology），Wuhan 430205，China；2. School of Computer Science and Engineering， Wuhan Institute of Technology，Wuhan 430205，China
关键词:
土壤数据; 作物推荐; 广度与深度模型; 联合训练
Keywords:
soil data;  crop recommendation;  wide and deep model;  joint training
分类号:
TP391.3
DOI:
10.19843/j.cnki.CN42-1779/TQ.202101011
文献标志码:
A
摘要:
针对现有数值型作物推荐算法忽略了文本域数据对于作物推荐的指导性意义，无法挖掘数值域数据与文本域数据之间的内在关联，导致推荐模型预测精度较低的问题，提出了一种基于土壤数据广度与深度模型的作物推荐算法。对残缺、重复、不平衡的土壤数据进行数据预处理，采用数值归一化和向量嵌入的方法融合数值域数据与文本域数据，然后使用广度与深度模型联合训练的方法挖掘其内在关联，改进多分类激活函数实现多分类。实验结果表明：该方法的预测精度优于现有数值型作物推荐算法。
Abstract:
The existing numerical crop recommendation algorithm has the deficiencies that ignore the guiding significance of text domain data for crop recommendation， and cannot explore the internal relationship between numerical domain data and text domain data， which leads to the problem of low prediction accuracy of the recommendation model.This paper proposes a crop recommendation algorithm based on soil data breadth and depth model. Firstly， pre-process of the incomplete， repeated， and imbalanced soil data was done， and then numerical domain data and text domain data were fused by employing methods of numerical normalization and vector embedding. At last，internal correlation was mined by using joint training of breadth and depth models，and multi-category recommendation was realized by improving the multi-category activation function. Experimental results show that the prediction accuracy of this method is better than that of the existing numerical crop recommendation algorithms.

参考文献/References:

［1］　孙忠富，杜克明，郑飞翔，等.大数据在智慧农业中研究与应用展望［J］.中国农业科技，2013，15（6）：63-71.［2］　陈凯，朱钰.机器学习及其相关算法综述［J］.统计与信息论坛，2007（5）：105-112.［3］　王廷超， 王国伟， 安宇. 基于大数据统计的土壤养分含量预测模型设计［J］. 现代电子技术，2020， 43（8）： 12-14， 18.［4］　张美霞. 中国北方木本植物叶中10种养分元素重吸收研究［D］.北京：中国农业大学， 2018.［5］　凌宏清，袁力行.我国作物养分高效研究的现状与未来发展趋势［J］.中国基础科学，2016，18（2）：54-60.［6］　李连智，韩琳.土壤有机质和水分对温室土壤特性及植物生长的影响［J］.南方农业，2019，13（14）：188-189.［7］　叶昌， 黄秀， 褚光，等. 水稻因土质施肥方法探讨［J］. 中国稻米， 2020， 26（1）： 11-15.［8］　LIU A Q， LU T， WANG B F， et al. Crop recommendation via clustering center optimized algorithm for imbalanced soil data［C］//Proceedings of 2020 5th International Conference on Control，Robotics and Cybernetics （CRC）.Piscataway： IEEE， 2020： 31-35.［9］　林雪云.同好推荐算法的实践［J］.武汉工程大学学报，2014，36（8）：75-78.［10］　周飞燕， 金林鹏， 董军. 卷积神经网络研究综述［J］. 计算机学报，2017，40（6）：1229-1251.［11］　王忠，王春丽，刘莉.基于SVM的多类分类算法改进［J］.武汉工程大学学报，2010，32（7）：89-93.［12］　李姚舜，刘黎志.逻辑回归中的批量梯度下降算法并行化研究［J］.武汉工程大学学报，2019，41（5）：499-503，510.［13］　RENDLE S. Factorization machines with libFM［J］. ACM Transactions on Intelligent Systems and Technology， 2012， 3（3）：1-22.［14］　梁杰， 陈嘉豪， 张雪芹，等. 基于独热编码和卷积神经网络的异常检测［J］. 清华大学学报（自然科学版）， 2019， 59（7）： 523-529.［15］　CHENG H， KOC L， HARMSEN J， et al. Wide & deep learning for recommender systems［C］//Proceedings of the 1st Workshop on Deep Learning for Recommender Systems（DLRS）.New York：ACM， 2016： 7-10. ［16］　王惠文， 孟洁. 多元线性回归的预测建模方法［J］. 北京航空航天大学学报， 2007（4）： 500-504.［17］　崔鑫， 徐华， 宿晨. 面向不均衡数据集的过抽样算法［J］. 计算机应用， 2020， 40（6）： 1662-1667.［18］　张慧. 深度学习中优化算法的研究与改进［D］. 北京： 北京邮电大学， 2018.［19］　QU Y，CAI K， REN K， et al. Product-based neural networks for user response prediction［J］. IEEE， 2018，37（1）：1-5.［20］　WANG R， FU B， FU G， et al. Deep & cross network for Ad click predictions［C］//Proceedings of ACM SIGKDD Conference on Knowledge Discovery and Data Mining. New York： ACM，2017：1-7.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2021-01-11基金项目：中央引导地方科技发展专项资助项目（2018ZYYD059）；教育部科技发展中心产学研创新基金（2018A03005）；湖北省技术创新专项（2019AAA045）作者简介：魏博识，硕士研究生。E-mail：[email protected]*通讯作者：卢　涛，博士，教授。E-mail：[email protected]引文格式：魏博识，卢涛.基于土壤数据广度与深度模型的作物推荐算法［J］. 武汉工程大学学报，2021，43（4）：455-461.
更新日期/Last Update: 2021-08-07