农业信息智能获取技术【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

农业信息智能获取技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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 WordNet150

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JDK166

13.2.2 Eclipse166

13.2.3 Tomcat167

13.2.4 Protege167

13.2.5 Jena167

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 CBR186

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