(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 202210994177.2 (22)申请日 2022.08.18 (71)申请人 广东烟草韶关 市有限公司 地址 512029 广东省韶关 市武江区滨江路 69号城投商务大厦西塔第10、 11、 12、 13、 14、 15层 (72)发明人 陈君豪　汪军　陈丹　赖晓媛　 李琪　刘桔　肖如武　谢浩　 詹利平　张海霞　沈勇军　陈泽鹏　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 专利代理师 刘俊 (51)Int.Cl. G06Q 50/20(2012.01) G06Q 30/02(2012.01)G06F 16/23(2019.01) G06K 9/62(2022.01) G06F 17/18(2006.01) (54)发明名称 一种基于烟农画像的培训推荐方法和系统 (57)摘要 本发明公开了一种基于烟农画像的培训推 荐方法和系统， 涉及画像分析的技术领域， 包括 获取烟农的个人及种植信息数据、 生产技术数据 和收购成果数据； 对上述信息数据依次进行预处 理和向量化处理， 获得第一特征数据、 第二特征 数据和第三特征数据， 在分别输入 预设的烟农画 像模型中进行标签化处理， 获得烟农总画像， 并 根据烟农总画像为烟农推荐相应的烟叶种植培 训。 本发明通过收集烟农的多维度信息数据构建 烟农总画像， 全面综合判断烟农的生产技术短 板， 进而对烟农提供具有针对性和个性化的培训 服务。 权利要求书2页 说明书7页 附图3页 CN 115511671 A 2022.12.23 CN 115511671 A 1.一种基于烟 农画像的培训推荐方法， 其特 征在于， 包括： S1： 获取烟 农的个人及种植信息数据、 生产技 术数据和收购成果数据； S2： 对所述个人及种植信息数据、 生产技术数据和收购成果数据进行预处理操作， 获得 个人及种植信息预处 理数据、 生产技 术预处理数据和收购成果预处 理数据； S3： 对所述个人及种植信息预处理数据、 生产技术预处理数据和收购成果预处理数据 分别进行向量 化处理， 获得第一特 征数据、 第二特 征数据和第三特 征数据； S4： 将第一特征数据、 第二特征数据和第三特征数据分别输入预设的烟农画像模型中 进行标签化处 理， 获得烟 农总画像； S5： 根据所述烟 农总画像为烟 农推荐相应的烟叶种植培训。 2.根据权利要求1所述的基于烟农画像的培训推荐方法， 其特征在于， 所述个人及种植 信息数据包括个人基本信息、 种植基本信息和种植水平信息； 所述个人基本信息包括 姓名、 性别和出生日期； 所述种植基本信息包括烟叶种植组织形式、 种烟 收入、 种烟利润、 田块情况、 种植面积 和约定交售量； 所述种植水平信 息包括文化程度、 种烟年限、 家庭主要劳动人员人数、 聘请技术人员人 数、 投入资金和配合 程度。 3.根据权利要求1所述的基于烟农画像的培训推荐方法， 其特征在于， 所述生产技术数 据包括犁冬晒白情况、 土壤深翻面积、 绿肥与秸秆还 田面积、 商品有机肥施用面积、 地膜覆 盖面积、 膜上移栽面积、 膜下移栽面积、 1+N专业 化烘烤情况和采 烤一体化情况。 4.根据权利要求1所述的基于烟农画像的培训推荐方法， 其特征在于， 所述收购成果数 据包括上部上等烟占比、 上部中等烟占比、 上部下低等烟占比、 上部叶产量、 上部叶占比、 中 部上等烟占比和中部中等烟占比。 5.根据权利要求1所述的基于烟农画像的培训推荐方法， 其特征在于， 所述预处理操作 包括数据清理和数据归约； 所述数据清理具体为， 针对个人及种植信息数据、 生产技术数据和收购成果数据中属 性缺失或重复的数据进行 数据变换和数据处 理； 所述数据归约具体为利用属性子集选择删除个人及种植信 息数据、 生产技术数据和收 购成果数据中不相关或冗余属性的数据。 6.根据权利要求5所述的基于烟农画像的培训推荐方法， 其特征在于， 所述属性子集选 择包括逐步向前选择、 逐步向后删除、 逐步向前选择和向后删除的组合、 决策树归纳中的一 种或多种。 7.根据权利要求1所述的基于烟农画像的培训推荐方法， 其特征在于， 所述预设的烟农 画像模型包括烟 农特征子模型、 生产技 术特征子模型、 收购成果特 征子模型和回归子模型； 第一特征数据输入烟农特征子模型中， 利用预设的多分类逻辑回归算法， 计算烟农画 像特征， 并输入回归子模型； 所述烟农画像特征包括烟农基本信息标签、 种植基本信息标签 和种植水平标签及标签概 率； 第二特征数据输入生产技术特征子模型中， 利用预设的多元线性回归算法， 计算生产 技术画像特征， 并输入回归子模型； 所述生产技术画像特征包括深翻率、 绿肥率、 有机肥率、 膜上载移率、 膜下载移率、 1+N专业烘烤率、 采烤一体率、 上部叶可用性提升实施率、 植保无权　利　要　求　书 1/2 页 2 CN 115511671 A 2人机应用率和优化结构率； 第三特征数据输入收购成果特征子模型中， 计算收购成果画像特征， 并输入回归子模 型； 回归子模型根据烟农画像特征和收购成果画像特征计算收购均价， 并将收购均价设置 为因变量， 将生产技术画像特征设置为自变量， 利用预设的逐步进入法进 行回归分析， 获得 烟农总画像。 8.根据权利要求1所述的基于烟农画像的培训推荐方法， 其特征在于， 所述步骤S5中， 根据所述烟 农总画像为烟 农推荐相应的烟叶种植培训的具体方法为： 根据所述烟农总画像判断烟农是否欠缺种植理论知识和实操能力， 对应推荐烟叶种植 理论培训和/或烟叶种植实操培训。 9.根据权利要求1所述的基于烟农画像的培训推荐方法， 其特征在于， 所述方法还包 括： S6： 对培训后的烟 农进行问卷调查， 利用问卷 结果更新烟 农总画像。 10.一种基于烟农画像的培训推荐系统， 其特征在于， 应用权利要求1 ‑9任意一项所述 的基于烟 农画像的培训推荐方法， 所述系统包括： 数据获取模块， 用于获取烟 农的个人及种植信息数据、 生产技 术数据和收购成果数据； 预处理模块， 用于对所述个人及种植信息数据、 生产技术数据和收购成果数据进行预 处理操作， 获得个人及种植信息预处 理数据、 生产技 术预处理数据和收购成果预处 理数据； 向量化模块， 用于对所述个人及种植信息预处理数据、 生产技术预处理数据和收购成 果预处理数据分别进行向量 化处理， 获得第一特 征数据、 第二特 征数据和第三特 征数据； 画像模块， 用于将第一特征数据、 第二特征数据和第三特征数据分别输入预设的烟农 画像模型中， 获得烟 农总画像； 推荐模块， 用于根据所述烟 农总画像为烟 农推荐相应的烟叶种植培训； 画像更新模块， 用于对培训后的烟 农进行问卷调查， 利用问卷 结果更新烟 农总画像。权　利　要　求　书 2/2 页 3 CN 115511671 A 3