(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111660815.9 (22)申请日 2021.12.31 (71)申请人 中国科学院空天信息创新研究院 地址 100190 北京市海淀区北四环西路19 号 (72)发明人 李宇　陈俊　刘巍　葛小青　石璐　 吴业炜　李山山　 (74)专利代理 机构 北京理工大 学专利中心 11120 专利代理师 温子云　仇蕾安 (51)Int.Cl. G06F 16/9535(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01) (54)发明名称 一种遥感卫星数据个性 化推荐方法 (57)摘要 本发明属于推荐 方法， 具体涉及一种遥感卫 星数据个性化推荐方法。 它包括下述内容， 首先， 通过构建卫星资源池和专家知识库， 获取卫星描 述信息、 用户信息以及用户行业和数据类型之间 的先验知识； 然后， 根据用户信息和其近期行为 数据， 采用综合推荐算法对遥感卫星数据进行排 序得到推荐数据列表； 最终， 将符合用户需求或 用户感兴趣的卫星数据推荐 给用户。 本发明的显 著效果是： (1)利用上述根据本发明的遥感卫星 数据推荐系统， 不需要用户提供明确输入。 (2)通 过分析用户的历史行为或者 从事领域， 主动给用 户推荐能够满足需求和兴趣的数据， 提供持续 的、 个性化服务， 转变数据交互机制， 解决遥感卫 星数据服 务的确实问题。 权利要求书2页 说明书6页 附图1页 CN 114491237 A 2022.05.13 CN 114491237 A 1.一种遥感卫星数据个性化推荐方法， 其特征在于： 包括下述内容， 首先， 通过构建卫 星资源池和专家知识库， 获取卫星描述信息、 用户信息以及用户行业和数据类型之间的先 验知识； 然后， 根据用户信息和其近期行为数据， 采用综合推荐算法对遥感卫星 数据进行排 序得到推荐数据列表； 最终， 将符合用户需求或用户感兴趣的卫星数据推荐给用户。 2.如权利要求1所述的一种遥感卫星数据个性 化推荐方法， 其特 征在于： 包括下述 步骤 步骤1， 构建卫星资源 池 基于卫星属性构建基础数据库， 包括卫星名称、 传感器名称、 传感器类型、 卫星重访周 期、 分辨率、 波谱范围、 幅宽； 步骤2， 构建先验知识库 基于先验专 家知识构建用户 ‑数据关联信息； 步骤3， 获取用户信息 对于用户， 获取其一定周期内的行为数据， 包括感兴趣的区域范围、 下载过的数据信 息、 浏览过的数据信息、 感兴趣的数据类型， 形成数据集 合； 步骤4， 构建遥感卫星数据库 对卫星数据构建数据库获取遥感数据的描述信息， 数据的文件属性和内容属性， 数据 信息、 标签信息和评价信息， 包括对遥感数据的元数据信息提取和 语义信息提取， 其中， 所 述元数据信息提取用于获取数据文件的属性， 包括数据来源、 数据分辨率、 数据波谱、 成像 时间、 传感器类型、 空间地理范围； 所述语义信息提取用于获取数据的内容属 性， 包括数据 所包含的地物类别、 场景信息； 步骤5， 推荐列表生成 采用综合推荐算法对卫星数据进行优先级排序得到推荐列表， 步骤6， 推荐结果展示 将推荐列表中的卫星数据信息展示给用户， 包括卫星数据基本属性， 缩略图以及推荐 解释， 步骤7， 获取用户反馈 获取用户反馈， 并迭代更新。 3.如权利要求2所述的一种遥感卫星数据个性化推荐方法， 其特征在于： 所述的步骤3 中的一定周期是指一个月， 感兴趣的区域范围由经纬度范围决定， 具体统计时采用W RS‑2全 球参考系统中的Path /Row， 将经纬度范围与之进行转换。 4.如权利要求3所述的一种遥感卫星数据个性化推荐方法， 其特征在于： 所述的步骤3 中的下载过的数据信息、 浏览过的数据信息指的都是卫星数据， 具体为下载过1次则判定说 明用户对数据感兴趣， 浏览过3次及以上判定用户对数据感兴趣。 5.如权利要求4所述的一种遥感卫星数据个性化推荐方法， 其特征在于： 所述的步骤5 包括下述内容， 步骤5.1， 基于内容的推荐算法 基于内容的推荐算法根据数据内容属性相似度， 抽取卫星数据的内容描述特征， 实现 相似度计算， 基于内容的推荐算法， 数据内容采用步骤4 获得的文件属性和内容属性进行表 征， 采用TF ‑IDF算法将数据的标签进行数据内容的特征表达， 相 似度通过特征向量的余弦 相似度公式计算：权　利　要　求　书 1/2 页 2 CN 114491237 A 2其中， wij是数据之间的相似度， di表示数据i的特征向量， dj表示数据j的特征向量， 将用 户u的个人信息和数据特征相匹配， 衡量出特定用户对卫星 数据的感兴趣程度， 用户个人信 息是从步骤3获取 的用户信息得到， 按照 感兴趣程度依 次排序得到基于内容的推荐算法对 用户u的推荐数据列表Lcontent， 步骤5.2， 基于用户的协同过 滤算法 基于用户的协同过滤算法给用户推荐和他兴趣相似的其他用户喜欢的数据， 通过 Jaccard公式衡量用户u和v的兴趣相似度 其中， wuv是用户之间的兴趣相似度， D(u)标识用户u感兴趣的数据集， D(v)表示用户v感 兴趣的数据集， D(u)和D(v)分别对用户u和用户v通过步骤3统计得到， 推荐与用户最相似的 K个用户感兴趣的数据， 度量公式如下： M(u,K)代表与用户相似的K个用户， M(i)表示对数据i感兴趣的用户集， qvi代表用户v对 数据i的兴趣， 按照感兴趣程度依次排序得到基于用户的协同过滤算法对用户u的推荐数据 列表Luser， 步骤5.3， 基于物品的协同过 滤算法 基于物品的协同过滤算法给用户推荐和他之前感兴趣的数据相似的数据， 通过用户行 为衡量数据之间的相似程度 其中|M(i)|代 表对数据i感兴趣的用户数， |M(j)|代 表对数据j感兴趣的用户数， 用户u对数据i的兴趣度量公式 其中， D(j,K)是和数据最相似的K个数据集， D(u)是用户感兴趣的数据集， wij是数据之 间的相似度， quj表示用户u对数据j的兴趣， 按照感兴趣程度依次排序得到基于物品的协同 过滤算法对用户u的推荐数据列表Lcontent， 步骤5.4， TOP ‑N推荐数据列表 多种推荐算法的推荐数据按照权重和优先级进行合并、 排序， 形成最终的推荐结果， 首 先对三种推荐算法针对特定用户u得到的推荐数据列表Lcontent、 Luser和Lcontent的数据感兴趣 程度进行归一化处理， 然后通过算法加权和数据优先级进行数据列表的合并排序， 最终得 到TOP‑N推荐数据列表L， 各类卫星数据的优先级通过步骤2的先验知识库中用户行业和数 据的关联 得到。权　利　要　求　书 2/2 页 3 CN 114491237 A 3