基于智能算法的鮮切花知識圖譜推薦系統

錢 曄，孫吉紅

（1.云南農業大學，a.大數據學院（信息工程學院）；b.數據工程技術研究中心，昆明 650201；2.國家農業農村大數據中心云南分中心，昆明 650201；3.綠色農產品大數據智能信息處理工程研究中心，昆明 650201；4.云南省科學技術院，昆明 650051）

云南地區常年日照充足、雨量充沛、海拔差大［1］，造就了享譽國內外的花卉王國。較強的紫外線為花卉增添了絢麗的色彩，成就了亞洲最大的鮮切花市場，占全國70%以上的市場份額，出口量突破80億枝，僅菊花出口日本的數量每年超越1億枝。昆明市更是同時享有“春城”“花城”的美譽。鮮切花充滿了整個春城，鮮切花產業成為了年產值超過400億元的云南支柱產業之一。但是，繁華的鮮切花市場背后，存在著一系列的問題，主要表現為花農甚至鮮切花種植企業無法準確判斷來年暢銷鮮切花的具體品種，無法評估在特定環境下某種或某幾種鮮切花的成本、利潤，無法嚴控鮮切花的病蟲害以及品質，造成大量的鮮切花滯銷、大量花農虧損及企業虧損。與此同時，供不應求、天價鮮切花等現象也時有發生，使得原本應有的繁榮市場變成了“股票市場”。隨著科學技術的發展，人工智能技術不斷更新，尤其是近年來大數據技術的迅猛發展［1］，進一步推動人工智能的發展。目前，智能模型已經突破傳統模型的局限，在處理復雜或不完全信息、模擬非線性、自適應自學習、優化算法等方面具有無可比擬的優勢，具有一定優越性和先進性［2］。結合鮮切花在選種、種植、管理等過程中遇到的問題，將智能算法與多個領域相結合，構建鮮切花價格預測模型［3］、鮮切花病蟲害預測模型［4］、鮮切花產業智能平臺［5，6］等智能模型，并且智能模型在交通、農業、金融、工業、科技等領域也得到了廣泛的應用，已經建成交通大數據中心、農業大數據中心、金融大數據中心等，并發揮重要作用，適合解決復雜問題［7，8］。

本研究在智能算法構建鮮鮮切花價格預測模型的基礎上，結合知識圖譜技術尋找不同品種鮮切花的關聯與區別，構建鮮切花知識圖譜推薦模型［9］，分別向不同種群人員推薦不同品種鮮切花，實現個性化推薦功能［10］，為種植戶、種植企業提供參考依據，給出推薦結果［11］，為云南省解決鮮切花產業存在的問題提供參考。

1 鮮切花產業中存在的問題

由于云南省特殊的地理位置和氣候條件，孕育了花卉王國。2020年，云南省鮮切花種植面積達到1.94萬hm2，同比增長16.4%，產量達到146.6億枝，產值830.1億元，成為云南省特色經濟產業之一。

本研究以云南省鮮切花產業為研究對象，闡述了鮮切花產業各環節的關鍵點和存在的問題，主要包括以下3個方面的問題解析。

1.1 鮮切花選種

花農、中小型鮮切花種植企業難以確定來年鮮切花的暢銷品種，只能夠根據種植經驗選擇種植的品種。該種植方式具有主觀的因素，出現“豐收、豐產、不豐腰包”的現象。這種現象的原因在于花農、中小型種植企業往往難以支付專家論證會議的費用，以至于憑借經驗盲目地種植某種或某幾種鮮切花，在鮮切花上市后，無法取得預期的收入。

1.2 鮮切花種植

鮮切花作為一種觀賞性極強的花卉，病蟲害直接影響鮮切花的品質。花農根據鮮切花的市場行情種植不同品種的鮮切花，每種鮮切花病蟲害防治的方法各異，部分花農甚至中小型種植企業的工人也難以了解每種鮮切花病蟲害防治方法，使得在溫度、濕度等因素變化較大的時期，大量鮮切花感染病蟲害，花農、中小型種植企業受到了較大的經濟損失。

1.3 鮮切花銷售

鮮切花作為一種供欣賞的花卉，保鮮是最為重要的關鍵因素，出現了干花、永生花等不同系列的代替品，但是鮮切花仍然是花卉市場的主流。一旦采摘的鮮切花超過了保鮮期，它的使用價值就近乎等于零。同時，鮮切花的預估價格是否精準也成為鮮切花銷售環節中的重要因素。因此，在云南省鮮切花產業中，最后也是最重要的一個環節——銷售環節，成為了最為關鍵的環節，涉及到鮮切花的價格、需求量、供給量等各種復雜的因素。

2 鮮切花領域知識圖譜的設計

知識圖譜以結構化的方式對所有知識作出表示［12］。隨著人工智能技術的快速發展，知識圖譜在知識的自動獲取、知識表征和推理學習、基于圖譜的深度挖掘等方面取得了突破性進展，知識圖譜相關技術已經在智能語義搜索、問答系統以及公安、醫療、軍事等行業落地應用［13-15］。

云南省鮮切花領域知識圖譜研究技術路線如圖1所示，本研究主要從數據獲取、知識提取、知識融合、構建云南省鮮切花領域知識圖譜、糾正、補充、更新等方面進行研究。

圖1 云南省鮮切花領域知識圖譜研究技術路線

2.1 數據采集

本研究構建云南省主要鮮切花品種知識圖譜數據來源于以下2個方面。

第一個方面：來源于昆明國際花卉拍賣交易中心官網中主要鮮切花品種以及官方公布的數據信息。

第二個方面：通過網絡爬蟲技術，對云南省主要品種鮮切花的產量、銷售量、價格等重要數據進行網絡爬蟲，獲取有用的數據。

2.2 知識表示及存儲

由于鮮切花品種繁多，同一品種之間具有不同的屬性，因此構建鮮切花知識圖譜中各對象之間存在復雜的關系，部分研究對象之間的特征在不同網站中存在一定的差異性。本研究采用具有直觀性、形式化模型的特征，與大部分領域模型進行映射的NeoJ圖數據庫對知識進行存儲。

2.3 知識提取

本研究構建云南省鮮切花領域知識圖譜的知識提取功能包括實體、屬性、關系3個部分的提取。以世界五大切花及暢銷切花為主要研究對象，將菊花、月季、康乃馨、唐菖蒲、非洲菊、百合等主要鮮切花作為知識提取的實體部分，將各實體之間的特性進行歸納、收集、整理，提取香氣、花色、花瓣形狀、單瓣（重瓣）等特性作為知識提取的屬性，最后將各實體的屬性以及實體間的關系進行分類、關聯，找出構建鮮切花領域知識特征實體識別方法。

2.4 知識融合

構建鮮切花領域知識圖譜時，知識融合環節尤其重要，本研究主要將相同鮮切花具有不同名稱，相同種類鮮切花具有不同形狀，同種鮮切花在不同環境下的用途等情況，具體表現在以下幾個方面。

1）同種鮮切花具有不同的功能屬性。例如：玫瑰鮮切花作為一種觀賞性和食用性都較高的鮮切花，可以用于制作香精香料、鮮花餅、插花等，根據不同用途對同一種玫瑰鮮切花進行不同方式的改良，種植出不同特征的玫瑰鮮切花。

2）不同種類鮮切花具有相同的功能屬性。例如：菊花、月季、康乃馨、唐菖蒲、非洲菊并稱世界五大切花，在香氣、花型、顏色等方面的屬性各異但卻有相同的屬性——觀賞。近年來，作為園藝療法的各類鮮切花提供了芳香療法等功能，對于精神疲勞、高血壓等患者具有一定的緩解作用。

3）相同種類鮮切花具有不同的花名。例如：同一種鮮切花因所處的地理位置不同、生長環境不同，所呈現的花色、花型相應不同。

知識融合能夠將網絡資源中分散的數據資源進行有機的整合形成完整的數據資源，有利于數據資源的整合，方便查詢。擬采用基于圖神經網絡的實體對齊方法進行知識融合。以月季鮮切花為例，具體流程如圖2、圖3所示。

圖2所示為月季鮮切花的不同屬性的信息，通過爬蟲技術，在A網站中找到月季鮮切花顏色、花型、香氣等屬性，主要包括：月季鮮切花顏色主要有紅色、黃色、白色、藍色、香檳色等，花型包括單瓣、半重瓣、蓮座等，香氣包括強香、淡香、清新等不同類型。在B網站中找到月季鮮切花花語、別稱、品種等，主要包括：紅色的月季代表“愛”“熱情”，白色的月季代表“尊敬”，粉色的月季代表“初戀”。月季鮮切花的別稱包括“月月紅”“月月花”“四季花”等，品種主要有“紅雙喜”“大游行”“御用馬車”等76個品種。

圖2 月季鮮切花屬性

經過知識融合后，將月季鮮切花的相關信息進行整合形成一個完整的體系，不需要通過大量的時間在網絡中爬取數據、整理數據、刪除錯誤數據，只需要查詢云南省鮮切花領域知識圖譜就能夠查詢到具體的信息，減小工作量，節約時間（圖3）。

圖3 知識融合流程

2.5 知識完善及修改

由于鮮切花種類繁多、種植量大、銷售量大、花色豐富、花形差異較大，通過網絡爬蟲收集到的數據存在數據殘缺不全，甚至存在少量的錯誤信息，構建的知識圖譜存在數據量不夠、知識偏差、誤差較大等問題，進行知識完善和修改勢在必行。因此，本研究以昆明國際花卉拍賣交易中心數據信息為基礎，建立云南省鮮切花領域本體，對其進行實體、屬性、關系的形式化表示，從而對網絡爬取的實體進行融合、合并，進而實現對自動創建的云南省鮮切花領域知識圖譜的完善和修改。

以云南省主要鮮切花品種為研究基礎，對云南省鮮切花領域中主要的品種為本體的術語進行提取，并在此基礎上定義概念間的類屬和組成關系。其中，Member-of關系定義了概念間的類屬關系；part-of關系定義了概念間的組成關系。可用圖的形式表示本體結構如圖4所示。

圖4 月季鮮切花本體關系

在表示鮮切花領域語義內容時，以鮮切花中最具有代表性的世界五大切花為對象進行說明。因此，將菊花、月季、康乃馨、唐菖蒲、非洲菊的典型類屬關系的概念表示為Member-of關系如圖5所示。為進一步研究不同鮮切花的關聯與區別，對月季鮮切花中最為常見的大花香水月季進行本體描述。其中，將研究對象進行詳細分類，主要分為顏色、特征、品種等多種屬性；將顏色分為單色、復色兩種，其中單色包括白色、黃色、紅色、藍色、黑色等；特征包括植株的形狀、氣味、觀賞性等；品種主要是依據不同的顏色進行分類，并且相同顏色的品種細分為不同的花名，例如白色月季包括“肯尼迪”“婚禮白”“綠云”等品種。鮮切花領域本體part-of關系示意圖，具體描述方式如圖6所示。

圖5 鮮切花領域本體Member-of關系

圖6 鮮切花（大花香水月季）領域本體part-of關系

3 基于智能算法的鮮切花種植推薦模型研究

構建云南省鮮切花領域知識圖譜后，查詢各種類鮮切花之間的關系以及相同鮮切花在不同環境中的屬性等。本研究采用云南省鮮切花領域知識圖譜，為構建基于智能算法的鮮切花推薦模型群提供基礎性支撐。對于種植鮮切花的農戶、中小型企業而言，選種是種植鮮切花是否盈利、盈利多少的關鍵因素之一。對于花農而言，選種主要是選擇種植成活率高、銷售量大、銷售價格高的品種。但是，很少存在同時滿足以上3個條件的鮮切花品種。并且，鮮切花銷量、銷售價格不會固定一成不變的，隨著人們的需求量以及市場的供應量而決定。因此，花農根據種植經驗以及自身模糊的判斷去選種種植，往往出現供不應求或者供大于求的不良現象。針對種植鮮切花的中小型企業，企業管理人員通過專家咨詢等方式對來年或者下一季鮮切花的價格進行預測。此外，企業管理人員會采用傳統的數學方法構建模型進行價格預測。

3.1 收集整理數據

一是針對高端批發商收集整理數據。由于昆明國際花卉拍賣交易中心聚集了全國乃至全亞洲最具有代表性的批發商，他們的意見將對全國乃至全亞洲的鮮切花市場產生巨大的影響。因此，針對這些專業人士進行問卷調查，并將問卷調查結果進行分析整理，統計喜歡的鮮切花顏色、花型、香氣、品種等多種因素。二是針對大眾消費人群收集整理數據。分別赴各大鮮切花銷售市場進行問卷調查，統計喜歡的鮮切花顏色、花型、香氣、品種等多種因素。三是針對專業群體收集整理數據。分別對高校、科研院所等研究人員以及鮮切花種植企業的管理（技術）人員進行采訪，統計認可的鮮切花顏色、花型、香氣、品種等多種因素。分別將3個不同類型的調研數據進行分類整理，形成3類不同的數據集合。以云南省鮮切花領域知識圖譜的構建為基礎，將收集到的數據與知識圖譜中的關鍵節點進行匹配，增大數據信息量。隨著數據量的不斷增加，將每類數據再次進行詳細劃分，形成更加細化的數據分類集合。當數據量不斷增加，數據集合類型不斷細化，達到100種類型后，組成構建智能推薦模型的數據結合。

3.2 構建智能推薦模型

3.2.1 確定隱含層神經元數量 以BP人工神經網絡算法構建智能預測模型為例，構建鮮切花智能推薦模型。設定3層BP神經網絡，通過試驗確定隱含層神經元數量，具體算法如下：

1）設定BP神經網絡構建智能推薦模型中最大迭代次數為1 000次，學習率為0.01。

2）分別設置BP神經網絡中隱含層節點數為2—9，當迭代次數達到1 000次，并且R值最接近1時的節點數為最終確定的節點數。

3.2.2 構建基于BP神經網絡算法的智能推薦模型 在MATLAB平臺上，采用BP人工神經網絡算法構建智能推薦模型，為種植鮮切花的農戶、中小型企業乃至大型種植鮮切花企業提供推薦鮮切花品種，具體算法如下：

1）直接使用MATLAB中神經網絡工具箱中函數newff構建網絡。

2）將100類數據中50%關鍵節點數據量作為影響因素輸入網絡中，對BP網絡進行訓練。

3）將剩余數據作為測試集數據輸入測試集中，將輸出推薦的結果，實現推薦功能。

4）只有網絡訓練結束，否則將返回第2步繼續進行網絡訓練。

3.3 智能推薦模型的實現

面對不同用戶輸入需求的關鍵因素，智能推薦系統將進行相應的推薦。由于智能推薦模型的精確度取決于訓練數據集、測試數據集中數據量的大小。因此，數據積累到大于等于1 000組數據時，該模型才具有可借鑒性。在數據量大于1 000組的前提下，數據量不斷增加，將不斷提高智能推薦模型的推薦精準性。

3.4 智能模型的應用

1）針對花農，智能模型能夠提供一種咨詢功能，即花農可以選擇需要查詢鮮切花的品種，智能模型自動輸出該品種鮮切花在下一期的銷售價格、需求量等信息，并且根據近期的溫度、濕度情況，提供該種鮮切花病蟲害防治的方法。

2）針對中小型種植企業，智能模型有選擇性地提供該企業種植的主要鮮切花品種在花卉拍賣市場中的價格、需求量等信息；提供鮮切花預警系統的權限，即在花卉拍賣市場中，各種鮮切花價格的行情變化圖，供中小型企業分析市場行情；提供并實時更新該企業防治病蟲害的方法。

3）針對研究人員，智能模型能夠提供試驗過程中產生的所有數據，為改進智能模型提供數據支撐。

4 云平臺環境下鮮切花智能推薦系統的設計

構建基于知識圖譜的鮮切花智能推薦模型，實現定制化的鮮切花推薦功能，為不同環境下的人群專業定制不同鮮切花，便于針對不同情況選擇不同鮮切花進行種植。但是，由于時間、地域的跨越，該模型難以進行大規模的推廣。因此，引入云平臺設計云平臺環境下鮮切花智能推薦系統（圖7）。

圖7 云平臺在云南省鮮切花產業中的應用結構

1）首先向云計算服務商申請云計算平臺，能夠為云南省所有花農、中小型乃至大型鮮切花種植企業提供價格低、推薦結果精準、安全性能強的基于智能算法的鮮切花種植推薦模型的用戶端。

2）基于智能算法的鮮切花種植推薦模型用戶端界面使用方便，隨時可以通過手機端或者PC端進行查詢，并且能夠實時更新各種推薦的數據。

3）鮮切花種植推薦模型使用成本低，僅需要向服務商提供維持模型運行的費用，大大降低了使用者的成本，能夠為用戶推薦精準信息，為花農、散戶、企業提供精準的決策信息。

5 小結

鮮切花產業作為云南省支柱產業之一，是云南省脫貧攻堅與美麗鄉村建設的主要內容，是云南省綠色產業發展的重中之重。借助知識圖譜、人工神經網絡算法等大數據技術，構建基于智能算法的鮮切花種植推薦模型，為花農種植鮮切花品種提供了精準數據；為鮮切花種植的中小型企業發展指明了方向；為大型鮮切花育種、種植企業的決策提供了輔助支撐作用。同時，為鮮切花領域的科研人員提供了數據收集整理的最佳平臺，為構建云南省鮮切花領域大數據平臺奠定了基礎。