基于农业本体的语义相似度算法及其在农作物本体中的应用

语义相似度计算是信息处理中的一个关键问题。针对领域本体语义相似度计算模型考虑因素过于单一、主观性较强、计算精度较低等问题,该文首先针对本体模型的结构特点,提出一种计算节点密度的新方法,并从模型概念间的关系类型、节点密度、节点深度等方面分析本体概念相似度的组成,并赋予不同的权重,从而计算概念对间的结构相似度;接着,根据文献资料和经验知识,构建本体概念对的属性网格以获取概念的属性相似度;然后,基于本体层次网络结构计算根、叶节点的 B-U 概率,进而计算语义信息量,该方法不依赖于专家经验,具有客观性;再次,结合本体结构、信息量、属性等影响相似度的因素,提出一种计算概念间语义相似度的综合算法,该算法考虑到不同的影响因子在语义相似度计算中的重要程度不同,从而赋予农业本体中概念对关系不同的权值;最后,以农业领域农作物本体的语义相似度的计算为例进行实例验证,并给出“甜玉米”和“糯玉米”语义相似度计算的详细过程。试验表明该文提出的语义相似度算法的计算结果（0.8206）和标准差（0.0565）较之其他3种语义相似度算法更接近人们直观认知和专家意见,能有效提高语义相似度计算的精度和有效性。     

基于个性化特征的无公害农产品目录智能服务系统

从促进无公害农产品流通,提高认证产品信息服务质量出发,该文以无公害农产品目录为研究对象,以实现认证产品信息的个性化检索与推荐为目标,进行产品目录智能服务的关键技术研究。以产品概念、属性和语义关系为主体,设计产品目录本体模型,建立产品目录领域本体,形成无公害农产品电子化目录;基于产品目录领域本体,从本体概念层面进行用户兴趣特征建模,采用语义清晰度与用户兴趣度的综合值设置概念权值,建立个性化产品目录加权本体模型,并设计个性化产品目录加权本体建立算法,实现用户兴趣的动态、准确和全面描述;通过个体过滤、综合过滤、概念映射、语义查询扩展和查询结果优化,构建个性化产品目录信息推荐与检索算法,建立产品目录智能服务系统。在检索结果用户满意度对比试验中,相比于基于领域本体检索、基于语义相似度优化检索和基于个性化本体优化检索3种方式,分别提高了31%、21%和14%,结果表明可在一定程度上提高无公害农产品目录信息检索推荐的质量和满意度,满足个性化的需求,同时也可为无公害农产品推广、品牌化销售和电子化交易提供技术支撑,具有较好的应用前景。     

基于本体的玉米领域知识表示构建研究

传统的人工智能采用不同的建模方法、开发工具进行知识表示,使得各种知识表示之间缺乏互操作性,本体的引入解决了这一问题。对基于本体的知识表示方法进行了探索,对玉米领域知识本体进行了构建。结果表明,本体可有效地解决复杂知识间表达的异构问题,使计算机对信息的理解升至为语义层次,利于玉米智能系统的研制。     

基于深度学习的水产病害可视化知识图谱构建与验证

知识图谱本质上是基于图的语义网络，表示实体与实体之间的关系，在知识问答、语义检索等领域起着至关重要的作用。针对目前水产病害领域存在实体关系交叉关联、多源异构数据聚合能力差、利用率低、知识共享困难等问题，该研究基于自然语言处理和文本挖掘提出了一个基于神经网络深度学习模型的水产病害专业领域知识图谱构建方法并进行试验验证。首先，构建水产病害专业领域本体，并预定义实体类型、属性和关系的集合，确定知识抽取边界；其次，在本体基础上，分别利用规则方法和深度学习方法对半结构化和非结构化知识进行抽取。对于非结构化知识，提出“水产病害+关系+BMES”文本标注体系，将关系抽取融合于命名实体识别任务中直接对三元组建模，将实体关系抽取转化为序列标注问题，不仅提高标注效率，还实现了实体和关系的联合抽取。同时通过标签匹配和映射对三元组建模获得RDF数据，解决了重叠关系抽取的难题。利用BERT-BiLSTM+CRF端到端模型进行试验，试验结果证明该三元组抽取方法具有较高的召回率（89.64%），准确率（94.04%）和F₁值（91.34%），优于CNN+BiLSTM+CRF和BiLSTM+CRF等模型，抽取效果有了显著提升，并将抽取到的知识存储到 Neo4j 图数据库中，实现知识可视化管理及知识推理分析。该研究构建的水产病害知识图谱精度高、粒度细，能够帮助机器理解数据、解释现象、知识推理，从而发掘深层关系、实现智慧搜索与智能交互。     

面向茶学领域本体的概念自动提取方法研究

针对目前手工构建本体耗时费力这一难题,以茶学领域知识为研究对象,提出了一种本体的概念自动提取方法。该方法利用中文分词技术对茶学语料进行切分,使用互信息技术从切分后的语料中得出候选概念（合成词）集合,通过判断候选概念和非合成词的领域相关性,自动提取出茶学领域本体概念。以该方法为基础开发了相应的原型系统,实验结果表明,该方法是有效的。     

用BERT和改进PCNN模型抽取食品安全领域关系

为了提高食品安全领域关系抽取的效率和准确性,该研究在收集食品安全领域语料的基础上,对语料中相应的实体和关系进行标注,构建可用于食品安全领域关系抽取的专业数据集。同时,提出面向食品安全领域的基于BERT-PCNN-ATT-Jieba的关系抽取模型,该模型使用基于转换器的双向编码器表征量（Bidirectional Encoder Representations from Transformers,BERT）预训练模型生成输入词向量,并结合分段卷积神经网络（Piecewise Convolutional Neural Network,PCNN）模型的分段最大池化层能极大程度捕获句子局部信息的特点,在分段最大池化层与分类层之间添加了注意力机制,以进一步提取高层语义。此外,考虑中文语料的特性,在BERT模型进行随机掩码切分之前,采用Jieba分词技术对中文语料进行分词,PCNN模型在执行掩码语言模型（Masked Language Model,MLM）时以词为单位进行掩码,使得输入到训练模型中的句子尽可能减少语义损失,以实现更高效的关系抽取。在该研究构建的数据集基础上,将BERT-PCNN-ATT-Jieba模型与经典的卷积神经网络（Convolutional Neural Network,CNN）、PCNN模型、以及结合BERT的CNN、PCNN、PCNN-ATT、PCNN-Jieba等6个模型进行比较,该研究提出的BERT-PCNN-ATT-Jieba模型取得更优的性能,其准确率达到84.72%,召回率达到81.78%,F1值达到83.22%。该模型为食品安全领域的知识抽取提供参考,为该领域知识图谱的自动化构建节约了成本,同时为基于该领域知识图谱的知识问答、知识检索、数据共享及食品安全智慧监管等应用提供依据。     

基于空间LDA模型的高分辨率遥感影像地物覆盖分类

高空间分辨率遥感影像可以更为精确地分析地物覆盖类型,但空间分辨率的提高也对现有分类方法带来了新的挑战,隐狄利克雷分配(latent dirichlet allocation,LDA)模型能够建立遥感影像底层特征和高层语义之间的联系,但是当前LDA模型在遥感影像分析领域的应用以场景分类和图像检索为主,已有的一些关于土地覆盖分类研究缺少对高分辨率遥感数据的空间关系进行挖掘。该文在标准LDA模型的基础上,利用词包模型构建方法生成的影像文档和单词对象来展开试验,利用多尺度分割挖掘影像中对象的空间关系,设计"主题流行度"和"主题内容"2种形式的影像文档区域属性,以协变量的形式作为LDA模型的先验知识,提出一种空间LDA模型(Space-LDA)。利用无锡宜兴市Quick Bird影像验证该模型在高分辨率遥感影像分类中的有效性,结果表明空间LDA模型分类结果不仅明显优于标准LDA,而且对区域尺度的变化具有一定的鲁棒性,空间区域信息同时从主题流行度和主题内容2个层面提供了推理信息,使模型具有更灵活的结构。     

面向葡萄知识图谱构建的多特征融合命名实体识别

为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题,该研究提出了来自转换器的双向编码器表征量（bi-directional encoder representation from transformer, BERT）和残差结构（residual structure, RS）融合的命名实体识别模型（bert based named entity recognition with residual structure,BBNER-RS）。通过BERT模型将文本映射为字符向量,利用双向长短时记忆网络（bi-directional long-short term memory, BiLSTM）提取局部字符向量特征,并采用RS保留BERT提供的全局字符向量特征,以提高字向量的语义丰富度,最后通过条件随机场（conditional random field, CRF）模型对特征向量解码,获取全局最优序列标注。与其他命名实体识别模型相比,提出的BBNER-MRS模型在葡萄数据集上表现较好,在葡萄人民日报、玻森、简历和微博数据集上F1值分别达到89...     

基于本体的土壤系统分类逻辑表达与检索

中国土壤系统分类(Chinese Soil Taxonomy, CST)是建立在诊断层和诊断特性基础上的定量化土壤分类体系,它的不断成熟为实现土壤类型自动化检索提供了理论基础。野外土壤描述与采样规范的形成为土壤分类的语义规范提供了依据。目前,我国已出现一系列基于CST的土壤类型检索系统,但仍存在以下问题。首先,现有的土壤类型检索系统仅注重分类规则的表达,忽略了诊断对象、土壤类型与检索框架（推理过程）的耦合性对系统更新的影响。其次,土壤信息的载体并不是单一的,从空间结构上可分为土壤层次(Horizon)、剖面(Profile)、单个土体(Pedon)和聚合土体(h),但现有的检索系统并未将上述结构区分开来,不利于土壤信息的管理。最后,现有的检索系统均是通过传统计算机语言表达土壤特征的范围以及土壤特征之间复杂的逻辑关系,表达方式繁琐且冗余。因此,本文引入本体概念,以土壤地理学和CST规则为理论基础,分析土壤实体的空间结构及其与土壤类型、诊断对象之间的相互关系,在此基础上建立了关于土壤实体、土壤特征和CST对象（土壤类型与诊断对象）的本体模型,并定义了相应的谓词逻辑来表达三类本体模型的逻辑、隶属关系。本文采用Python语言实现了本体模型和谓词逻辑模型,研发了CST中土纲到亚类的检索系统,并采用湖北省土系调查数据完成系统测试。     

基于词对主题模型的中分辨率遥感影像土地利用分类

利用遥感影像数据进行土地利用/覆被分类是多学科共同关注的热点问题,但传统自动分类方法仍然难以满足应用需求,以隐狄利克雷分配模型(latent dirichlet allocation,LDA)为代表的概率主题模型能够建立底层特征和高层语义之间的桥梁,近年来也被引入了遥感影像分析领域,但多集中于针对高空间分辨遥感影像的分析。该文分析了一般概率主题模型在遥感影像空间分辨率降低后面临的问题,在此基础上借鉴词对主题模型(biterm topic model,BTM)对单词稀疏文档的推理能力,将其引入中空间分辨率遥感影像的分类中,并提出使用空间相邻的视觉单词对作为模型的观测数据。试验结果表明,BTM模型的分类性能优于LDA模型,并且使用空间相邻视觉单词对可以比标准BTM模型使用更少的观测数据,取得更高的分类精度。     

柑橘肥水智能决策支持系统的变化预测方法及应用效果

本体是农业智能信息系统的核心,是实现精准农业信息服务的关键.本体的维护和管理过程将导致本体发生各种变化,从而对其支撑的应用程序产生不同程度的影响.如何有效地分析本体元素的变化对应用程序的影响是农业智能信息系统维护和管理的难题.该文提出一种基于界面组件依赖矩阵、本体概念依赖矩阵及本体概念-界面组件依赖矩阵的系统变化预测方法,实现了避免代码层分析而较准确预测本体概念的变化对应用程序用户界面组件的影响.以包含22个本体概念和6个界面组件的柑橘肥水智能决策支持系统为案例分析,验证结果表明:该变化预测方法能够达到85％的平均准确率和98％的平均召回率.该变化预测方法对解决以本体为核心的农业智能信息系统的变化管理难题可提供有效的解决方案.     

农产品冷链HACCP管理体系知识建模与推理

为了保障冷链上农产品的食用安全性和品质以及高效可靠地冷链监控管理。该文在冷链一般性业务流程与HACCP管理体系的基础之上,提出一种基于描述逻辑SROIQ(D)的冷链HACCP知识语义模型CC-HACCP,使用SWRL规则语言描述业务逻辑规则,增强了该模型的知识自动推理能力。以生食牡蛎肉的冷链HACCP管理知识体系为例,使用OWL 2 DL语言对CC-HACCP描述的语义知识进行实现,并且通过知识校验、实例识别与规则推理等功能,完善了整体冷链的HACCP计划,试验结果表明,通过对HACCP冷链安全管理知识的建模与推理,冷链各环节之间进行有效的完善和共享。因此,HACCP知识模型的应用对多方参与的农产品冷链HACCP安全监控管理的整合和完善具有积极的意义,有助于提高农产品冷链物流安全监控管理的效率,从而保障农产品食用安全性和品质。     

农业领域本体自适应学习建模研究

在总结现有的本体理论与本体学习技术的基础上,建立了一套本体学习的自适应机制,通过获取农业数据源变化信息、本体服务的需求,以及对已构建本体的评估,提出基于多Agent的农业领域本体自适应学习理论与模型,实现对农业领域本体学习规则的实时自动调整,提升农业本体构建的动态适应性及优化能力,对大规模构建农业领域本体研究具有一定的实际意义。     

基于过程本体的奶牛养殖业信息协同服务系统的建立

农业信息协同服务是农业信息化发展的重要方向之一,也是目前农业信息领域倍受关注的热点学术问题。该文将农业本体论思想引入农业生产经营过程,并以奶牛养殖业为例,探讨并划分了奶牛业生产经营过程阶段和对应的信息需求单元,构建了奶牛养殖过程本体和奶牛养殖业信息协同服务业务链模型,建立了基于业务链模型的奶牛养殖业信息协同服务系统,进而对系统的服务功能进行了初步实现。研究结果表明：建立在生物学特征基础上的农业过程本体在作为农业信息统一分类标准方面具有显著优势,基于过程本体的业务链模型有效地解决了农业信息资源优化调度和协同服务机制难题,实现了农业搜索服务和异构网站服务的协同。     

基于语义本体的柑橘肥水管理决策支持系统

利用信息技术实现柑橘精准生产管理是果树信息化管理的重点和难点。该文针对山地果园肥水信息化精准管理问题,研发了基于语义本体的柑橘肥水管理决策支持系统。柑橘肥水语义本体是决策支持系统的核心,它以资源描述框架三元组整合涉农信息。系统实现了施肥、生理病害防治和排灌监测3个功能。系统验证结果表明:1)施肥查询模块能够根据树龄、施肥时期、土壤质地、地形和产量5个因素计算氮、磷、钾施肥量,经216组数据验证其输出正确率100%;2)经100组涵盖12种营养素缺乏和过剩生理病害数据验证,病症查询模块能够根据输入病症正确判断生理病害;3)排灌检测模块能根据不同土壤质地对排灌实时监测,经小型气象站获取的土壤含水率数据验证,系统正确预警率达100%。经361组性能测试数据结果表明系统平均响应时间在0.23 s(浏览器端应用)和0.58 s(手机端应用)内,具备较优性能。该研究为农业领域知识建模和异构多源数据整合等问题提供了可行方案。     

基于分组注意力模块的实时农作物病害叶片语义分割模型

针对传统农作物病害识别方法准确率低、鲁棒性差等问题,该研究首先提出一种基于分组激活策略的分组注意力模块,利用高阶特征指导加强低阶特征,通过分组计算组内加强系数,减少不同组之间的抑制作用,加强特征表达能力.对比试验表明,分组注意力模块特征强化效果优于传统注意力模块.基于分组注意力模块,该研究提出一种实时高效农作物病害叶片...