一种基于TCN-LSTM模型的生物技术产品信息推荐方法技术

本发明专利技术公开了一种基于TCN‑LSTM模型的生物技术产品信息推荐方法，解决了现有推荐技术中在生物技术领域面临的精度低、时效性差的技术问题。包括以下步骤：首先收集并清洗用户偏好数据，进行类别标注；利用BERT模型计算用户偏好语义相似度，筛选相似用户并生成组合用户偏好信息；对月度用户偏好数据提取全局特征和趋势特征，融合生成复合特征向量；将复合特征输入TCN‑LSTM模型，通过TCN提取时间序列特征，结合LSTM捕捉长期依赖关系，输出预测概率分布；最终根据概率阈值向用户推荐匹配的类别信息。本发明专利技术显著提升了推荐的精准度和时效性，为生物技术产品信息推荐提供了智能化解决方案。

【技术实现步骤摘要】

本专利技术涉及信息推荐，具体涉及一种基于tcn-lstm模型的生物技术产品信息推荐方法。

技术介绍

1、随着信息技术的进步，个性化推荐系统在多个领域得到了广泛应用，包括电商、社交平台、教育及生物数据等。生物技术产品信息覆盖性状研发、品种培育、种子生产、物流到最终种子的销售等环节的所有信息。但是生物技术产品信息推荐领域面临着个性化推荐准确性不足、推荐内容泛化问题等挑战。传统的推荐方法多依赖简单的用户历史记录或基于相似度的算法，但在实际应用中，忽略了用户行为的时序性、检索上下文以及多维数据的影响。此外，现有推荐系统通常无法灵活地跨平台提供一致的推荐体验，也缺乏有效的实时反馈机制来优化推荐效果。为了克服这些问题，本专利技术提出了一种基于tcn-lstm模型的生物技术产品信息推送方法，通过结合深度学习模型tcn-lstm和多维数据的支持，能够更精准地预测用户需求，提升生物技术产品信息推荐的质量和个性化水平。

技术实现思路

1、本专利技术的目的在于提供一种基于tcn-lstm模型的生物技术产品信息推荐方法，以解决现有推本文档来自技高网...

【技术保护点】

1.一种基于TCN-LSTM模型的生物技术产品信息推荐方法，其特征在于，包括：

2.根据权利要求1所述的基于TCN-LSTM模型的生物技术产品信息推荐方法，其特征在于，所述类别包括10种，分别为：杂种优势改良，生理性状改良，品质性状改良，产量性状改良，耐除草剂，生物反应器，抗虫，抗病，抗逆和其他类别。

3.根据权利要求1所述的基于TCN-LSTM模型的生物技术产品信息推荐方法，其特征在于，所述将训练样本集输入BERT模型计算用户偏好语义相似度，筛选相似用户，生成组合用户偏好信息，包括：

4.根据权利要求3所述的基于TCN-LSTM模型的生物技术产品信息...

【技术特征摘要】

1.一种基于tcn-lstm模型的生物技术产品信息推荐方法，其特征在于，包括：

2.根据权利要求1所述的基于tcn-lstm模型的生物技术产品信息推荐方法，其特征在于，所述类别包括10种，分别为：杂种优势改良，生理性状改良，品质性状改良，产量性状改良，耐除草剂，生物反应器，抗虫，抗病，抗逆和其他类别。

3.根据权利要求1所述的基于tcn-lstm模型的生物技术产品信息推荐方法，其特征在于，所述将训练样本集输入bert模型计算用户偏好语义相似度，筛选相似用户，生成组合用户偏好信息，包括：

4.根据权利要求3所述的基于tcn-lstm模型的生物技术产品信息推荐方法，其特征在于，所述将两个用户的组合偏好信息s1和s2输入bert模型进行预处理，包括：

5.根据权利要求3所述的基于tcn-lstm模型的生物技术产品信息推荐方法，其特征在于，所述计算两个句子的相似度具体为：

6.根据权利要求1所述的基于tcn-lstm模型的生物技术产品信息推荐方法，其特征在于，所述基于生成的组合用户偏好信息，对每个月的用户偏好数据进行进一步的特征提取，得到新的复合特征向量，包括：

7.根据权利要求1所述的基于tcn-lstm模型的生物技术产品信息推荐方法，其特征在于，所述将复合特征向量输入tcn-lstm模型，通过...

【专利技术属性】
技术研发人员：梁晋刚，陈红，李佳岢，张华，张帆，徐倩，王颢潜，陈子言，赵桐桐，蒋红叶，高芳瑞，廖一尘，王晨尧，张月秋，王晓丽，付伟，裴欣瑶，江晓丹，王丹，傅芳奇，
申请(专利权)人：农业农村部科技发展中心，
类型：发明
国别省市：