农业信息智能获取技术PDF电子书下载

第一部分 农业信息垂直搜索引擎 3

第1章 国内外农业信息搜索引擎现状 3

1.1国内外农业相关的信息搜索引擎 4

1.2相关农业信息搜索引擎的对比 7

1.3面向主题的专用搜索引擎系统核心技术研究 8

1.4服务于电子商务的搜索引擎在专业领域的应用 8

1.5价格搜寻理论 9

1.6农业信息搜索引擎开发目标与技术路线 11

1.7本章小结 13

第2章 垂直搜索引擎的基本原理与技术 14

2.1垂直搜索引擎系统架构特点 16

2.2垂直搜索引擎开发关键技术 18

2.2.1主题型网页数据采集技术 18

2.2.2专业领域信息抽取技术 23

2.2.3大规模文件索引技术 24

2.2.4检索个性化服务技术 25

2.3检索质量评估标准 27

2.4本章小结 28

第3章 农业信息主题网页采集技术 29

3.1农业信息主题网页的特点分析 29

3.1.1农业交易信息来源 29

3.1.2农业交易信息分类 30

3.1.3农产品电子交易信息搜寻成本 30

3.2数据采集与更新模型 32

3.2.1网页时效性问题 32

3.2.2数据更新频率 33

3.2.3队列排序 35

3.2.4区域负责机制 37

3.3性能测试与评估 39

3.3.1测试环境 39

3.3.2实验结果 40

3.4本章小结 43

第4章 时空属性信息过滤与抽取技术 44

4.1农业信息数据特点分析 44

4.1.1农产品交易信息网页 44

4.1.2交易数据的时间与空间属性 46

4.2特定结构化信息过滤与抽取模型 48

4.2.1网页信息表示 48

4.2.2包装器定义 49

4.2.3 K-EA算法设计 50

4.3性能测试与评估 52

4.3.1评价指标 52

4.3.2试验结果 53

4.4本章小结 54

第5章 大规模文件索引技术 55

5.1全文索引结构 55

5.1.1位图 56

5.1.2署名文件 56

5.1.3倒排文件 56

5.1.4后缀数组 57

5.2双字节倒排中文索引模型 58

5.2.1双字节倒排 61

5.2.2虚拟内存硬盘缓存 63

5.3性能测试与评估 66

5.3.1评价指标 66

5.3.2实验结果 66

5.4本章小结 67

第6章 面向垂直搜索引擎的个性化检索服务技术 69

6.1检索结果自动分类 69

6.1.1农产品概念与分类问题 69

6.1.2分类算法选择 70

6.1.3 K-近邻算法应用与改进 73

6.1.4性能测试与评估 75

6.2查询自动纠错 77

6.2.1拼写错误问题 77

6.2.2纠错原理与算法设计 77

6.2.3性能测试与评估 79

6.3本章小结 79

第二部分 本体论和知识获取 83

第7章 本体理论 83

7.1本体的概念与内涵 83

7.2本体的构建 86

7.3本体表示语言 89

7.4领域本体构建研究 93

7.5本体自动获取相关理论 94

7.5.1本体获取 94

7.5.2本体获取分类 95

7.5.3本体自动获取技术 96

7.6本体学习 97

7.6.1本体学习系统 98

7.6.2本体学习基本原理与架构 99

7.6.3本体学习系统结构 103

7.6.4本体学习基本方法 104

7.7本章小结 106

第8章 知识获取 107

8.1知识获取方法 107

8.2知识搜索推理方法 108

8.3本章小结 110

第三部分 基于本体论的蔬菜供应链知识获取系统 113

第9章 蔬菜供应链 113

9.1蔬菜供应链发展现状 113

9.1.1发展现状 115

9.1.2现状分析 117

9.2蔬菜供应链知识获取系统构建框架 118

9.2.1构建目标 118

9.2.2技术路线 119

第10章 蔬菜供应链本体构建及形式化表示 121

10.1蔬菜供应链及蔬菜供应链知识本体模型 121

10.1.1我国蔬菜领域供应链模式 121

10.1.2蔬菜供应链本体模型 123

10.1.3蔬菜供应链知识本体模型 125

10.1.4蔬菜供应链知识用户本体模型 126

10.1.5知识、知识用户与知识背景本体间的关系 127

10.2领域本体的形式化表示 128

10.2.1 RDF（S）形式化表示 128

10.2.2 Voronoi图的形式化表示 129

10.3本章小结 133

第11章 领域概念的获取推理方法 134

11.1基于本体形式化表示的领域概念获取 134

11.1.1 RDF（S）下的定性推理 134

11.1.2 Voronoi图下的定量推理 135

11.1.3 Voronoi实验测评 136

11.2基于模糊推理的领域概念获取 136

11.2.1模糊推理 137

11.2.2 NSM推理方法 143

11.2.3改进的NSM推理算法 145

11.2.4实验测评 146

11.3基于WordNet的领域概念获取 147

11.3.1同位关系与上下位关系 147

11.3.2 WordNet 150

11.3.3局部线性嵌入领域概念提取算法 152

11.3.4实验测评 154

11.4本章小结 157

第12章 基于统计策略的文本搜索算法 158

12.1统计语言建模 158

12.2查询似然检索模型 158

12.2.1投掷骰子的问题 159

12.2.2基于查询似然的检索模型 160

12.2.3数据平滑技术 161

12.3查询似然检索模型在蔬菜供应链知识获取中的应用 161

12.4本章小结 163

第13章 蔬菜供应链知识获取系统设计与实现 164

13.1系统总体框架 164

13.2系统开发工具与开发环境 166

13.2.1 Java和JDK 166

13.2.2 Eclipse 166

13.2.3 Tomcat 167

13.2.4 Protege 167

13.2.5 Jena 167

13.3系统模块设计 168

13.3.1关键词检索 168

13.3.2语义扩展检索 169

13.3.3基于本体的语义检索 170

13.4实验与结果分析 177

13.4.1系统实现 177

13.4.2结果分析 179

13.5本章小结 181

第四部分 基于本体的鱼病诊断案例知识获取 185

第14章 鱼病知识诊断与案例知识获取 185

14.1鱼病知识诊断 185

14.2 CBR 186

14.3机器学习方法与知识科学技术 187

14.4鱼病诊断知识获取框架 190

第15章 基于本体的诊断案例知识表示 192

15.1 CBR方法 192

15.1.1 CBR系统 193

15.1.2案例诊断系统中的案例知识获取 193

15.1.3案例知识存在形式及源案例 194

15.2诊断案例知识获取 195

15.2.1诊断案例知识表示 195

15.2.2诊断案例从非结构化到结构化的映射 196

15.3诊断案例知识面向对象表示 197

15.4案例知识及其语义 198

15.4.1知识与语义 198

15.4.2诊断案例知识语义定义及其语义层次模型 198

15.5本体与语义 199

15.5.1语义与本体的关系 199

15.5.2本体在知识系统中的作用 201

15.5.3 VSM及其语义化改进 201

15.5.4非结构化、半结构化和结构化诊断案例知识的语义特征向量空间表示 204

15.6诊断案例知识相似性度量 206

15.6.1案例知识相似性关系的种类 207

15.6.2传统案例相似性度量方法 208

15.6.3基于面向对象模型的案例相似度计算 208

15.6.4基于VSM的案例知识相似度比较 212

15.7本章小结 214

第16章 鱼病诊断知识本体论 215

16.1鱼病诊断知识本体模型 215

16.1.1一般本体模型 215

16.1.2鱼病诊断知识本体元数据定义 215

16.1.3鱼病诊断本体元关系定义 216

16.1.4鱼病诊断知识本体模型 217

16.1.5鱼病诊断知识本体建模思想 218

16.2鱼病诊断知识核心本体构建 219

16.2.1核心诊断本体建模步骤与方法 219

16.2.2基于OWL的鱼病诊断本体形式化模型 224

16.3本章小结 226

第17章 诊断本体概念学习 227

17.1基于关系模式和种子概念的鱼病诊断知识本体学习系统 227

17.1.1基于关系模式的本体概念学习规则 229

17.1.2基于种子概念面向文本的本体学习系统 233

17.1.3实验分析和验证 240

17.2本章小结 243

第18章 基于向量中心距离和K-近邻算法的案例知识自动获取 244

18.1复杂案例知识获取系统框架 244

18.1.1诊断案例知识的特点 244

18.1.2诊断案例知识获取系统框架 244

18.2非结构化、半结构化诊断案例预处理及语义特征向量提取 245

18.2.1诊断案例知识源文本化 246

18.2.2非结构化诊断案例知识语义特征向量提取 246

18.2.3案例特征向量约减——特征抽取技术 247

18.3结构化案例知识的语义VSM构建 249

18.4诊断案例知识库结构与案例知识组织 249

18.4.1诊断案例知识结构 249

18.4.2诊断案例知识库的组织 250

18.5基于语义特征向量模型的诊断案例检索策略 251

18.5.1基于语义特征向量模型的诊断案例知识检索思想 251

18.5.2基于中心向量距离的非结构化、半结构化新案例知识学习算法 252

18.6基于语义向量模型的非结构化诊断案例多类分类 253

18.6.1分类模型 253

18.6.2案例相似度计算 254

18.6.3 K-近邻算法文本分类器 256

18.6.4实验结果与分析 258

18.7本章小结 258

参考文献 259

附录 271

附录A互联网在中国蔬菜供应链中应用情况调查问卷 271

附录B中华人民共和国国家标准物流术语 276