排序方式: 共有3条查询结果,搜索用时 7 毫秒
1
1.
针对复杂的水稻病害数据存储和高效检索问题,提出了基于知识图谱的关联特征挖掘模型.将水稻病害数据清洗后存储在Neo4j图数据库中,构建水稻病害知识图谱(Rice diseases knowledge graph,RDKG).在图挖掘算法中引入了Skip List跳跃表多维索引算法,从联系链路、社群划分、相似病害发现3个维度进行分析挖掘并通过试验比较其检索效率和查询时间.结果 表明:关联特征挖掘模型利用Skip List的分层链表形式进行一系列分类表的存储操作,在信息检索时有效提高了检索效率,进而提高系统整体响应时间,为水稻病害领域的数据分析及线索挖掘提供技术支持. 相似文献
2.
基于知识图谱的水稻病虫害智能诊断系统 总被引:2,自引:1,他引:1
目的 利用知识图谱对水稻病虫害领域复杂的异构数据信息进行结构化存储,建立病虫害间语义关系,为水稻病虫害关联检索及智能诊断提供理论依据。方法 首先提出一种面向水稻病虫害的知识图谱构建方法和基于图的水稻病虫害检索算法,通过引入节气实体实现水稻病虫害的预警。其次提出基于确定性因子(Certainty factor,CF)模型和知识图谱相结合的知识推理方法,利用CF与水稻病株症状的结合实现水稻病虫害的诊断。结果 利用命名实体识别模型,得出病、虫害名称及危害症状实体的准确率分别为0.92、0.90及0.87,进一步构建包括1 972个实体及5 226个实体关系的垂直领域知识图谱。通过自主开发的智能诊断系统进行案例分析,试验表明,诊断算法正确率达到86.25%。结论 该系统有效地解决了水稻病虫害领域数据检索、预警与诊断中知识的复杂性及不确定性的问题,有较强的实用价值和推广前景。 相似文献
3.
1