改进深度交叉网络的遥感信息即时智能推荐方法

随着遥感大数据时代的到来,海量遥感数据的主动、即时推送问题成为限制遥感信息智能服务领域发展的瓶颈。针对现有遥感信息推荐模型空间特征表达能力不足、交叉特征表达能力欠缺和无差别对待交叉特征等问题,本文提出一种融合注意力机制的深度交叉空间变换网络(attention deep&cross spatial-transformation network, ADCSTN)。首先,模型使用深度交叉网络提取遥感信息不同关联的交叉特征;然后,基于栅格划分,利用空间变换层将一维空间属性数据转换为二维空间矩阵,充分捕捉遥感信息空间结构特征;最后,通过注意力层对得到的不同关联的交叉特征设置不同权重,增强模型性能,实现遥感信息的主动、即时、智能推送。本文利用STK仿真1584颗智能遥感卫星组成的遥感卫星星座为20°N—40°N、120°E—140°E区域内的舰船提供实时遥感数据,并设置用户兴趣,得到试验数据集。试验结果表明,本文模型的推荐效果较好,相比于传统的四元组模型,F₁ score提高了37%～54.7%。