农业信息智能获取技术

《农业信息智能获取技术》

前言

第一部分农业信息垂直搜索引

第1章国内外农业信息搜索引擎现状

1.1国内外农业相关的信息搜索引擎

1.2相关农业信息搜索引擎的对比

1.3面向主题的专用搜索引擎系统核心技术研究

1.4服务于电子商务的搜索引擎在专业领域的应用

1.5价格搜寻理论

1.6农业信息搜索引开发目标与技术路线

1.7本章小结

第2章垂直搜索引擎的基本原理与技术

2.1垂直搜索引擎系统架构特点

2.2垂直搜索引擎开发关键技术

2.2.1主题型网页数据采集技术

2.2.2专业领域信息抽取技术

2.2.3大规模文件索引技术

2.2.4检索个性化服务技术

2.3检索质量评估标准

2.4本章小结

.第3章农业信息主题网页采集技术

3.1农业信息主题网页的特点分析

3.1.1农业交易信息来源

3.1.2农业交易信息分类

3.1.3农产品电子交易信息搜寻成本

3.2数据采集与更新模型

3.2.1网页时效性问题

3.2.2数据更新频率

3.2.3队列排序

3.2.4区域负责机制

3.3性能测试与评估

3.3.1测试环境

3.3.2实验结果

3.4本章小结

第4章时空属性信息过滤与抽取技术

4.1农业信息数据特点分析

4.1.1农产品交易信息网页

4.1.2交易数据的时间与空间属性

4.2特定结构化信息过滤与抽取模型

4.2.1网页信息表示

4.2.2包装器定义

4.2.3k-ea算法设计

4.3性能测试与评估

4.3.1评价指标

4.3.2试验结果

4.4本章小结

第5章大规模文件索引技术

5.1全文索引结构

5.1.1位图

5.1.2署名文件

5.1.3倒排文件

5.1.4后缀数组

5.2双字节倒排中文索引模型

5.2.1双字节倒排

5.2.2虚拟内存硬盘缓存

5.3性能测试与评估

5.3.1评价指标

5.3.2实验结果

5.4本章小结

第6章面向垂直搜索引擎的个性化检索服务技术

6.1检索结果自动分类

6.1.1农产品概念与分类问题

6.1.2分类算法选择

6.1.3k-近邻算法应用与改进

6.1.4性能测试与评估

6.2查询自动纠错

6.2.1拼写错误问题

6.2.2纠错原理与算法设计

6.2.3性能测试与评估

6.3本章小结

第二部分本体论和知识获取

第7章本体理论

7.1本体的概念与内涵

7.2本体的构建

7.3本体表示语言

7.4领域本体构建研究

7.5本体自动获取相关理论

7.5.1本体获取

7.5.2本体获取分类

7.5.3本体自动获取技术

7.6本体学习

7.6.1本体学习系统

7.6.2本体学习基本原理与架构

7.6.3本体学习系统结构

7.6.4本体学习基本方法

7.7本章小结

第8章知识获取

8.1知识获取方法

8.2知识搜索推理方法

8.3本章小结

第三部分基于本体论的蔬菜供应链知识获取系统

第9章蔬菜供应链

9.1蔬菜供应链发展现状

9.1.1发展现状

9.1.2现状分析

9.2蔬菜供应链知识获取系统构建框架

9.2.1构建目标

9.2.2技术路线

第10章蔬菜供应链本体构建及形式化表示

10.1蔬菜供应链及蔬菜供应链知识本体模型

10.1.1我国蔬菜领域供应链模式

10.l 2蔬菜供应链本体模型

10.1.3蔬菜供应链知识本体模型

10.1.4蔬菜供应链知识用户本体模型

10.1.5知识、知识用户与知识背景本体间的关系

lo.2领域本体的形式化表示

10.2.1rdf(s)形式化表示

10.2.2voronoi图的形式化表示

10.3本章小结

第11章领域概念的获取推理方法

11.1基于本体形式化表示的领域概念获取

11.1.1rdf(s)下的定性推理

11.1.2voronoi图下的定量推理

11.1.3voronoi实验测评

11.2基于模糊推理的领域概念获取

11.2.1模糊推理

11.2.2nsm推理方法

11.2.3改进的nsm推理算法

11.2.4实验测评

11.3基于wordnet的领域概念获取

11.3.1同位关系与上下位关系

11.3.2wordnet

11.3.3局部线性嵌入领域概念提取算法

11.3.4实验测评

11.4本章小结

第12章基于统计策略的文本搜索算法

12.2.1统计语言建模

12.2查询似然检索模型

12.2.1投掷骰子的问题

12.2.2基于查询似然的检索模型

12.2.3数据平滑技术

12.3查询似然检索模型在蔬菜供应链知识获取中的应用

12.4本章小结

第13章蔬菜供应链知识获取系统设计与实现

13.1系统总体框架

13.2系统开发工具与开发环境

13.2.1java和jdk
13.2.2eclipse

13.2.3tomcat

13.2.4prot6g6

13.2.5jena

13.3系统模块设计

13.3.1关键词检索

13.3.2语义扩展检索

13.3.3基于本体的语义检索

13.4实验与结果分析

13.4.1系统实现

13.4.2结果分析

13.5本章小结

第四部分基于本体的鱼病诊断案例知识获取

第14章鱼病知识诊断与案侈知知识获取

14.1鱼病知识诊断

14.2cbr

14.3机器学习方法与知识科学技术

14.4鱼病诊断知识获取框架

第15章基于本体的诊断案例知识表示

15.1cbr方法

15.1.1cbr系统

15.1.2案例诊断系统中的案例知识获取

15.1.3案例知识存在形式及源案例

15.2诊断案例知识获取

15.2.1诊断案例知识表示

15.2.2诊断案例从非结构化到结构化的映射

15.3诊断案例知识面向对象表示

15.4案例知识及其语义

15.4.1知识与语义

15.4.2诊断案例知识语义定义及其语义层次模型

15.5本体与语义

15.5.1语义与本体的关系

15.5.2本体在知识系统中的作用

15.5.3vsm及其语义化改进

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

15.6诊断案例知识相似性度量

15.6.1案例知识相似性关系的种类

15.6.2传统案例相似性度量方法

15.6.3基于面向对象模型的案例相似度计算

15.6.4基于vsm的案例知识相似度比较

15.7本章小结

第16章鱼病诊断知识本体论

16.1鱼病诊断知识本体模型

16.1.1一般本体模型

16.1.2鱼病诊断知识本体元数据定义

16.1.3鱼病诊断本体元关系定义

16.1.4鱼病诊断知识本体模型

16.1.5鱼病诊断知识本体建模思想

16.2鱼病诊断知识核心本体构建

16.2.1核心诊断本体建模步骤与方法

16.2.2基于owl的鱼病诊断本体形式化模型

16.3本章小结

第17章诊断本体概念学习

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，

17.1.1基于关系模式的本体概念学习规则

17.1.2基于种子概念面向文本的本体学习系统

17.l 3实验分析和验证

17.2本章小结

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

18.1复杂案例知识获取系统框架

18.1.1诊断案例知识的特点

18.1.2诊断案例知识获取系统框架

1&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

18.2.1诊断案例知识源文本化

18.2.2非结构化诊断案例知识语义特征向量提取

18.2.3案例特征向量约减——特征抽取技术

18.3结构化案例知识的语义vsm构建

18.4诊断案例知识库结构与案例知识组织

18.4.1诊断案例知识结构

18.4.2诊断案例知识库的组织

18.5基于语义特征向量模型的诊断案例检索策略

18.5.1基于语义特征向量模型的诊断案例知识检索思想

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

18.6基于语义向量模型的非结构化诊断案例多类分类

18.6.1分类模型

18.6.2案例相似度计算

18.6.3k-近邻算法文本分类器

18.6.4实验结果与分析

18.7本章小结

参考文献

附录

附录a互联网在中国蔬菜供应链中应用情况调查问卷

附录b中华人民共和国国家标准物流术语