基于本体的广域农业信息服务系统关键技术研究
|
摘要
随着现代信息技术向农业领域渗透速度的加快，我国农业正在经历从传统方式向现代方式的转变。我国是一个农业大国，但农业信息化研究起步相对较晚，对农业信息服务的研究目前还处于发展阶段，各种农业信息服务系统自动化程度不高，实用性不强，尚没有能够自动回答用户问题的农业信息服务系统。我国地域辽阔、农村基层用户解决生产实际问题的能力和水平较低且层次不齐。为有效解决农业信息资源的高效组织和为广大农村用户提供便捷、准确的信息服务，开展广域农业信息服务已成为农业信息服务发展的必然趋势。
本文根据我国农村实际发展水平，力图研究一种能够方便地实现知识组织，可自动应答用户提问，提供用户与专家实时、非实时互动，并能自动对知识进行整理、重新组织、更新知识库等功能的农业信息服务系统。全文针对构建该系统的关键技术进行了研究，具有重要的学术意义和实用价值。
本文主要研究工作及创新点如下：
(1)目前有多种农业问题分类方式，但都不太适合构建大型的复杂的农业信息服务系统。本文提出了基于现代农业产业技术体系的农业问题分类方法，将农业问题知识分成农产品、生产过程和关键技术三层，以适应多领域复杂农业问题的知识组织。采用OWL语言构造了基于现代农业产业技术体系的农业问题分类本体。
(2)农业问题类型较多，如何把所提问题归类是提高系统智能性和有效服务能力的关键。本文研究了问题的预处理和数字化表示、特征选择、权重计算以及支持向量机多层分类算法。给出了基于农业问题分类本体的多层次分类方法，经实验，验证了该问题分类方法的有效性。
(3)自动应答是农业信息服务系统的重要特征，本文研究了农业问题解答机制，提出了统计相似度和语义相似度相结合的农业问题相似度算法，通过计算问题-答案对之间的整体相似度找出最满意的答案。给出了当系统无法自动解答或给出不满意答案时，自动转交领域专家解答的策略和处理流程。
(4)知识库的丰富与否直接影响到系统服务能力，所以知识库的及时更新和增殖十分关键。本文研究了知识库的更新流程，即在系统运行过程中，将不断产生的问题解答过程记录到数据库中，并将其中经过处理的知识转换成知识库中的知识，从而实现信息增殖，并作为将来自动应答及自动分类时使用的知识库。提出了基于CRF的农产品品种名称识别方法，通过自动识别新词实现了对知识库的不断更新。
(5)基于上述关键技术，构建了基于本体的广域农业信息服务系统框架，开发了广域农业信息服务实验系统。通过测试验证了技术的有效性。
本文结合本体理论和技术系统地研究了为构建具有农业问题自动应答信息服务系统所需要的关键技术，在农业问题分类本体构建、自动应答及知识更新等技术研究方面具有创新性。
With the accelerated pace of infiltration of modern information technology to the fieldof agriculture, Chinese agriculture is undergoing a transformation from traditional tomodern. China is a large agricultural country. Because of starting late of agriculturalinformation, the study of the agriculture information service is still in the developing stage.At present a variety of agricultural information service system are with low-levelautomation and few practical. There are not yet agriculture information service systemsthat can answer users’ questions automatically. There are extensive regions in China. Thecapacity of solving practical problems are lower and in uneven levels. In order toeffectively solve the organization of the agricultural information resources and provideconvenient and accurate information services for information demand, to carry outagricultural information service has become an inevitable trend of development of theagricultural information services.
The agricultural information service system is studied based on the actual level ofdevelopment of rural areas in China in the thesis. It can easily implement knowledgeorganization and automatically answer users’ questions. It not only can provide real-timeand non-real-time interaction between users and experts, but also can automatically finishthe arrangement and reorganization of knowledge and realize knowledge base revision inthe natural process of question and answer. The research of the thesis, which is keytechnologies of constructing the system, has important practical significances and practicalvalues.
Conclusions of the research work and innovation can be summarized as follows.
(1) At present there are kinds of classification methods of agricultural issues, but theyare not suitable for constructing the large and complex agricultural information servicesystem. The classification method of agriculture issues based on modern agriculturalindustrial system is proposed in the thesis. In order to adapt the knowledge organization ofmulti-field complex agricultural issues, the agricultural knowledge is divided into threelevels, which are agricultural products, production process and the key technology. Theclassification system of ontology is analyzed and the classification ontology of agriculturalissues is described using the OWL language.
(2) Facing to a variety of agricultural issues, how to classify the issues is the key toimprove the intelligence of the system and the effective service capabilities. Pre-processing and digitization of text, feature selection, weight calculation and multi-layer classificationtechnology based on support vector machine algorithm are studied in the thesis. Theontology of the multi-level classification based on agricultural issues is proposed and thevalidity of the classification method is verified finally.
(3)Automatic response is an important feature of the agricultural information servicesystem. The solution mechanism of agricultural issues is studied and the similaritycalculation method, which is combined with statistical similarity and semantic similarity, isproposed and the most satisfactory answer is found out by calculating the overall similaritybetween question-and-answer pairs. When the problem can not be answered or notsatisfied with the given answer, the solution strategies and processes of submitting toexperts automatically are proposed in the thesis.
(4) Knowledge base is rich or not directly affects the ability of the system services,so it is crucial to realize timely renewal and proliferation of knowledge base. The updatingprocess of the knowledge base is studied in the thesis. Solution process of the questions isrecorded to the database. The processed knowledge, which is converted into knowledge ofthe knowledge base, is used for auto-answer and auto-classification. Then informationproliferation is realized. The agricultural products name identification method based onCRF is studied. The knowledge base is updated by automatically recognizing new words.
(5) The framework of the wide area agricultural information service system based onontology is constructed and the wide area agricultural information service experimentalsystem is developed based on the key technologies in this thesis. The feasibility of thetechnologies is verified through system testing.
The key technologies for constructing automatic response information service systemof agricultural issues are systematic studied combined with the theory and technology ofontology. It is innovative at the aspects of classification ontology construction ofagricultural issues, automatic response and knowledge base revision.
本文根据我国农村实际发展水平，力图研究一种能够方便地实现知识组织，可自动应答用户提问，提供用户与专家实时、非实时互动，并能自动对知识进行整理、重新组织、更新知识库等功能的农业信息服务系统。全文针对构建该系统的关键技术进行了研究，具有重要的学术意义和实用价值。
本文主要研究工作及创新点如下：
(1)目前有多种农业问题分类方式，但都不太适合构建大型的复杂的农业信息服务系统。本文提出了基于现代农业产业技术体系的农业问题分类方法，将农业问题知识分成农产品、生产过程和关键技术三层，以适应多领域复杂农业问题的知识组织。采用OWL语言构造了基于现代农业产业技术体系的农业问题分类本体。
(2)农业问题类型较多，如何把所提问题归类是提高系统智能性和有效服务能力的关键。本文研究了问题的预处理和数字化表示、特征选择、权重计算以及支持向量机多层分类算法。给出了基于农业问题分类本体的多层次分类方法，经实验，验证了该问题分类方法的有效性。
(3)自动应答是农业信息服务系统的重要特征，本文研究了农业问题解答机制，提出了统计相似度和语义相似度相结合的农业问题相似度算法，通过计算问题-答案对之间的整体相似度找出最满意的答案。给出了当系统无法自动解答或给出不满意答案时，自动转交领域专家解答的策略和处理流程。
(4)知识库的丰富与否直接影响到系统服务能力，所以知识库的及时更新和增殖十分关键。本文研究了知识库的更新流程，即在系统运行过程中，将不断产生的问题解答过程记录到数据库中，并将其中经过处理的知识转换成知识库中的知识，从而实现信息增殖，并作为将来自动应答及自动分类时使用的知识库。提出了基于CRF的农产品品种名称识别方法，通过自动识别新词实现了对知识库的不断更新。
(5)基于上述关键技术，构建了基于本体的广域农业信息服务系统框架，开发了广域农业信息服务实验系统。通过测试验证了技术的有效性。
本文结合本体理论和技术系统地研究了为构建具有农业问题自动应答信息服务系统所需要的关键技术，在农业问题分类本体构建、自动应答及知识更新等技术研究方面具有创新性。
With the accelerated pace of infiltration of modern information technology to the fieldof agriculture, Chinese agriculture is undergoing a transformation from traditional tomodern. China is a large agricultural country. Because of starting late of agriculturalinformation, the study of the agriculture information service is still in the developing stage.At present a variety of agricultural information service system are with low-levelautomation and few practical. There are not yet agriculture information service systemsthat can answer users’ questions automatically. There are extensive regions in China. Thecapacity of solving practical problems are lower and in uneven levels. In order toeffectively solve the organization of the agricultural information resources and provideconvenient and accurate information services for information demand, to carry outagricultural information service has become an inevitable trend of development of theagricultural information services.
The agricultural information service system is studied based on the actual level ofdevelopment of rural areas in China in the thesis. It can easily implement knowledgeorganization and automatically answer users’ questions. It not only can provide real-timeand non-real-time interaction between users and experts, but also can automatically finishthe arrangement and reorganization of knowledge and realize knowledge base revision inthe natural process of question and answer. The research of the thesis, which is keytechnologies of constructing the system, has important practical significances and practicalvalues.
Conclusions of the research work and innovation can be summarized as follows.
(1) At present there are kinds of classification methods of agricultural issues, but theyare not suitable for constructing the large and complex agricultural information servicesystem. The classification method of agriculture issues based on modern agriculturalindustrial system is proposed in the thesis. In order to adapt the knowledge organization ofmulti-field complex agricultural issues, the agricultural knowledge is divided into threelevels, which are agricultural products, production process and the key technology. Theclassification system of ontology is analyzed and the classification ontology of agriculturalissues is described using the OWL language.
(2) Facing to a variety of agricultural issues, how to classify the issues is the key toimprove the intelligence of the system and the effective service capabilities. Pre-processing and digitization of text, feature selection, weight calculation and multi-layer classificationtechnology based on support vector machine algorithm are studied in the thesis. Theontology of the multi-level classification based on agricultural issues is proposed and thevalidity of the classification method is verified finally.
(3)Automatic response is an important feature of the agricultural information servicesystem. The solution mechanism of agricultural issues is studied and the similaritycalculation method, which is combined with statistical similarity and semantic similarity, isproposed and the most satisfactory answer is found out by calculating the overall similaritybetween question-and-answer pairs. When the problem can not be answered or notsatisfied with the given answer, the solution strategies and processes of submitting toexperts automatically are proposed in the thesis.
(4) Knowledge base is rich or not directly affects the ability of the system services,so it is crucial to realize timely renewal and proliferation of knowledge base. The updatingprocess of the knowledge base is studied in the thesis. Solution process of the questions isrecorded to the database. The processed knowledge, which is converted into knowledge ofthe knowledge base, is used for auto-answer and auto-classification. Then informationproliferation is realized. The agricultural products name identification method based onCRF is studied. The knowledge base is updated by automatically recognizing new words.
(5) The framework of the wide area agricultural information service system based onontology is constructed and the wide area agricultural information service experimentalsystem is developed based on the key technologies in this thesis. The feasibility of thetechnologies is verified through system testing.
The key technologies for constructing automatic response information service systemof agricultural issues are systematic studied combined with the theory and technology ofontology. It is innovative at the aspects of classification ontology construction ofagricultural issues, automatic response and knowledge base revision.
引文
[1]龚玲安.厦门电信农村信息化的建设和发展研究[D].北京邮电大学,2010.
[2]韩夏.2006中国互联网大会发言[EB/OL]. http://net.chinabyte.com/net06/239/2587739.shtml,2006-09-21.
[3]王福强.河北省农业信息化发展重点与策略研究.2006,3.
[4]甘中达.县域经济信息化建设大纲研究.2006,12.
[5]滕桂法,王芳,刘毅红.农业信息化发展重点与策略研究[J].河北省科学院学报,2005,(4):32-34.
[6]农业部关于进一步加强农业信息化建设的意见[J].中国信息界,2007,(1).
[7]郭晞明,胡雨红,郭怀韬.农业信息化存在的问题及对策分析[J].农业科技管理,2007,(1):62-64.
[8]刘爱英,杨江文,冯帆.农业信息化水平的测度[J].中国统计,2007,(2):19-20.
[9]梁贤,林涛.农业科研系统信息服务的现状与对策[J].市场论坛,2004,(12):20-21.
[10]张波.我国农业信息服务的现状、问题及对策研究[D].湖南农业大学,2008.
[11]张云帆.福建农业信息化发展研究[D].福建农林大学,2009.
[12]刘忠,朱虹.农业科技信息系统的研制、开发与发展对策[J].中国农业科技导报,2000,(6):34-38.
[13]刘桂才.美国农业信息工作[J].农业展望,2006,(1):32-36.
[14]郭少友.美国政府信息化建设及对我国的启示[J].情报杂志,2003,(5):20-21.
[15]田野.日本的农业信息化及其启示[J].全球科技经济了望,2001,(1):47-48.
[16]雷士军.日本农业信息化的发展及启示,http://www.chinavalue.net/blog/291386.aspx.
[17]卢丽娜.国外农业信息化发展现状及特点[J].中国农村小康科技,2007,(4):23-26.
[18]卢丽娜.世界农业信息化进程及发展趋势[J].中国信息界,2007,(1):85-91.
[19]童有好.发达国家用信息技术改造传统产业的经验及启示[J].理论学刊,2001,(3):49-51.
[20]宋之辉.西藏农牧区信息化建设研究[D].西藏大学,2009.
[21]张忠德.美、日、韩农业和农村信息化建设的经验及启示[J].科技管理研究,2009,(10):279-281.
[22]赵元凤.发达国家农业信息化的特点[J].中国农村经济,2002,(7):74-78.
[23]鲍敏飞.中国首家国产农业管理软件_数字化农场管理系统[J].计算机与农业,2003,(2):34-39.
[24]张春雨.中国枣网上智能专家系统[D].河北农业大学,2002.
[25]吴玺,谭宏.试论我国农业专家系统的应用及发展[J].计算机与农业，2000,(8):1-4.
[26]吴江寿.农业科技信息移动服务系统设计与实现[D].中国农业科学院,2009.
[27]胡昌平,陈果.网络环境下的区域性农业信息集成设计及服务推进[J].情报杂志,2009,(5):147-154.
[28]樊孝忠,李宏乔,李良富.银行领域汉语自动问答系统的研究与实现.北京理工大学学报,2004,(6):528-532.
[29]孙素芳,罗长寿,魏清凤.Web农业实用技术自动问答系统设计实现.现代图书情报技术,2009,7/8:70-74.
[30]阴红志,张帆,丁鼎,赵斌.Answer Seeker:基于互联网挖掘的问答系统[J].计算机系统应用,2010,(1):6-17.
[31]王永芳.面向农民的问答系统设计与实现[D].山西大学,2011.
[32]马良俊，贺立源，苗洁等.基于用户需求的农业知识服务系统设计与建立[J].农业网络信息,2007,(2):37-41.
[33]罗彩冬,靳红等.高校图书馆开展知识服务的运营思路和方式之探讨[J].情报杂志,2004,(11):86-88.
[34]熊大红.知识服务模型和农业知识服务平台设计研究[J].湖南农业科学,2009,(6):127-130.
[35]吕家恪,刘洪斌,汪璇.基于WebGIS的县域农业资源信息共享系统研究[J].中国农学通报,2007,(4):399-403.
[36]晓路,钱平,赵庆龄.农业科技信息导航知识库及其智能检索系统的构建[J].情报学报,2004,23(6).
[37]梁斌,田敏,荣江.基于WEB的农业信息管理系统的设计与应用[J].石河子大学学报(自然科学版),2004,.22(5):444-446.
[38]刘峻明,朱德海,张晓东.分布式区域农业信息系统元数据设计研究[J].资源科学,2004,26(6):166-171.
[39]石宇虹,朴瀛,祖歌.农业气象信息服务支持系统的研制[J].辽宁气象,2001,(2):32-34.
[40]李良军,杨国才.基于Internet/intranet的农业种植技术信息系统的研究[J].宁夏农学院学报,2001,22(2):76-77.
[41]杨艺.浅谈日本农业信息化的发展及启示[J].现代日本经济,2005,(6):60-62.
[42]日本农业信息化服务的主要特点[J].吉林农业农村经济信息,2006,(8):46.
[43]肖宏儒,宋卫东,任彩红.江苏省农业资源综合开发信息管理系统的研究与开发[J].农业装备技术,2004,30(4):8-10.
[44]胡强,周智敏,武红星.农业科研信息化管理与办公自动化系统的结合——云南省农业科学院办公室的尝试[J].云南农业科技,2002,(6):38-40.
[45]刘德春,邓良基,高雪松.雅安市农业信息系统运行影响因素分析[J].四川农业大学学报,2004,22(2):170-173.
[46]黄传坤,赵梅珠.农业气象智能决策信息系统功能分析与信息集成方法研究[J].中国农业气象,2003,24(4):42-45.
[47]肖荧南,郭向东,戴益民.农业信息工程系统的研究[J].中国农业大学学报,2003,8(1):61-65.
[48]安凯,谢高地,冷允法.精准农业农田地理信息系统设计[J].中国生态农业学报,2003,11(1):72-75.
[49]贾善刚.农业研究信息系统的内涵及其特征初探[J].农业图书情报学刊,2003,(2):45-47.
[50]张毅,朱瑞祥,张玉宝.基于广域网的农业机械化信息管理系统设计[J].农机化研究,2003,(3):170-172.
[51]李思经.中国农业信息管理的系统分析[J].农业图书情报学刊,2000,(6):53-55.
[52]房毅.论农科院系统信息机构在农业信息化中的地位、作用、问题及对策[J].农业图书情报学刊,2001,(2):10-13.
[53]俞守华.广州农业信息网络系统的研究[J].农业图书情报学刊,2000,(3):11-15.
[54]张峻峰,罗长寿,孙素芬等.网络农业信息标准化问题思考[J].中国农学通报,2011,27(1):461-465.
[55]郭书普.网络农业信息分类和编码的研究[J].农业图书情报学刊,2003,(6):139-141.
[56]牛振国,崔伟宏,符海芳.多维网络农业信息分类框架的初步研究[J].农业系统科学与综合研究,2003,19(4):274-277.
[57]王健,甘国辉.多维农业信息分类体系[J].农业工程学报,2004,20(4):152-156.
[58]骆浩文,曾志康,黄樑等.基于网络的农业科技信息分类编码标准体系研究与应用[J].农业图书情报学刊,2007,19(3):150-154.
[59]魏清凤,贺立源,黄魏等.基于《中图法》的网络农业信息分类编码研究[J].情报学报,2009,28(1).
[60]邱荣洲,赵健,池美香等.数字农业信息分类体系研究[J].农业网络信息,2010,(11):17-19.
[61]苏晓路,钱平,颜蕴等.农业科技信息智能检索系统中的知识组织[J].现代图书情报技术,2005,(12):34-38.
[62]张璐,康丽,程新荣等.农资商品本体分类体系方法研究[J].农业网络信息,2009,(8):38-41.
[63]徐勇,安祥生,王志强.基于农业资源分类的农业资源本体架构设计[J].农业网络信息,2009,(10):8-12.
[64]李伟.基于本体的农业网络数据组织与服务[J].科研信息化技术与应用,2011,2(4).
[65]张静,江汇泉.知识本体在分类法叙词表元数据组织中的应用研究[J].现代情报,2006,(10):164-166.
[66]邓志鸿,唐世渭,张铭等. Ontology研究综述[J].北京大学学报(自然科学版)，2002,38(5):730-738.
[67]马安,王宁生,刘建刚.基于本体的CAPP知识库管理系统研究[J].机械科学与技术,2007(7):875-879.
[68]杜小勇,李曼,王珊.本体学习研究综述[J].软件学报,2006,17(9):1837-1847.
[69]宋云龙.基于Ontology的网上咨询专家系统的研究[J].数字图书馆,2006,(3):27-30.
[70]金燕,李敏,张玉蜂.基于Ontology的语义导航研究[J].现代图书情报技术,2005,5:37-40.
[71]付燕宁,金龙飞,王开锋等.基于本体的信息检索系统的设计与实现[J].计算机应用研究,2006,(11):155-157.
[72]白华.基于OWL方法的分类本体语义描述探索[J].情报杂志,2012,31(2).
[73]From Chaos, Order. SKOS Recommendation Helps Organize Knowledge (2009-08-18)
[EB/OL]. http://www.w3.org/2004/02/skos/.
[74]马建斌.中文Web信息作者同一认定技术研究[D].河北农业大学,2010.
[75]胡燕.Web信息内容及其特征提取方法研究[D].河北农业大学,2008.
[76]梅胜.基于SVM的多层次大类别数文本分类系统(HJ-TCM)的设计与实现[D].南京理工大学,2004.
[77]胡艳波,崔新春,路青.基于SKOS的知识管理研究[J].电子技术,2011,(11):30-31.
[78]程传鹏.基于分类的智能信息检索研究与实现[D].云南师范大学,2005.
[79]聂颂.具有自动分类功能的主题搜索引擎的研究[D].天津大学,2004.
[80]贺贤明,戴坚峰.一种新型文本自动分类系统的研究与实现[J].微电子学与计算机,2004,(11):23-26.
[81]杨硕.基于VSM文本分类系统的设计与实现[D].大连理工大学,2006.
[82]黄辉宇.基于神经网络的不良信息实时监测系统研究[D].燕山大学,2003.
[83]王继明.网络新闻分类系统及个性化新闻网站的研究与应用[D].内蒙古工业大学,2007.
[84]余刚.基于语义概念的文本特征描述[D].重庆大学,2005.
[85]王丁.基于中文文本分类的自动诊病系统[D].哈尔滨理工大学,2003.
[86]庞剑锋,卜东波,白硕.基于向量空间模型的文本自动分类系统的研究与实现[J].计算机应用研究,2001,(9):23-26.
[87]易高翔.Web文本挖掘研究与实现[D].武汉科技大学,2004.
[88]王军.基于文本分类的WEB信息检索技术的研究[D].大连交通大学,2007.
[89]张洪军.基于SVM的电子邮件分类系统研究[D].山东师范大学,2007.
[90]王美方.信息过滤系统中特征选择算法的研究[D].山东师范大学,2008.
[91]王俊英,郭景峰,霍峥.中文文本分类系统的设计与实现[J].微电子学与计算机,2006,(12):262-265.
[92]黄春娟.网络环境下个性化信息服务及其响应系统研究[D].南京理工大学,2004.
[93]张申亚.文本分类技术中的特征选择算法研究[J].信阳农业高等专科学校学报,2007,(9):125-127.
[94]宋万鹏.短文本相似度计算在用户交互式问答系统中的应用[D].中国科学技术大学,2010.
[95]李欢.问答系统中的文本信息抽取研究与应用[D].中国科学技术大学,2009.
[96] Yang Yiming，Jan O. Pedersen. A Comparative Study on Feature Selection in TextCategorization[A]. Proceedings of{ICML}-97，14th International Conference onMachine Learning，1997.412-420.
[97]马建斌.基于SVM的中文电子邮件作者身份挖掘技术研究[D].河北农业大学,2004.
[98]常淑惠.基于写作风格的中文邮件作者身份识别技术研究[D].河北农业大学,2005.
[99]杨静.基于SVM的中文电子邮件作者性别识别技术研究[D].河北农业大学,2007.
[100]胡燕. Web信息内容及其特征提取方法研究[D].河北农业大学,2008.
[101] T.Joachims. Text categorization with support vector machines: Learning with manyrelevant features[C]. In Proceedings of the European Conference on MachineLearning, Springer,1998.
[102] Chih-Chung Chang and Chih-Jen LinChih-Jen Lin. LIBSVM--A Library forSupport Vector Machines[EB/OL]. http://www.csie.ntu.edu.tw/~cjlin/.
[103]马建斌,滕桂法,常淑惠.基于写作风格的中文Web信息作者同一认定方法[J].郑州大学学报(理学版),2011,(6):125-127.
[104]辜桂兵.基于形象特征分析的垃圾邮件过滤方法研究[D].华中科技大学,2007.
[105]李惟.中文电子邮件作者身份识别系统研究[D].河北农业大学,2007.
[106] Fellhaum C.WordNet: An Electronic Lexical Database[M]. The MIT Press,1998.
[107] Leacock C, Chodorow M.Combining local context and WordNet sense similarity forword sense identification[M]. WordNet, an Electronic Lexical Database, the MITPress,1998.
[108] Wu Z and Palmer M.Veb Senantics and Lexical Selection[C]. In Proceedings of the32nd Annual Meeting of the Association for Computational Linguistics.New MexicoState University, Las Cruces, New Cruces, New Mexico,USA:133-138.
[109] Li Y, Bandar Z and Mclean D.2003.An Approach for Measuring SenmanticSimilarity using Multiple Information Sources[J].IEEE Trans. Knowledge and DataEngineering,15(4):871-882.
[110] Mihalcea R, Corley C and Strapparava C.2006.Corpus-based and Knowledge-basedMeasures of Text Semantic Similarity[C].Proceedings of the21st NationalConference on Artificial Intelligence Conference.2006.
[111] Li Y, Mclean D, Bandar Z, O’Shea J and K.Crockett.Sentence Similarity Based onSemantic Nets and Corpus Statistics[J].IEEE Transactions on Knowledge and DataEngineering,18(8):1138-1150.
[112] Islam A, InkPen D. Semantic Text Similarity using Corpus-based Word Similarityand String Similarity[J]. ACM Transactions on Knowledge Discovery from Date,2008,2(2).
[113] Sahami M, Heilman T. A Web-based Kernel Function for Measuring the Similarityfor Short Text Snippets[C]. Proceedings of the15th International world Wide WebConference, Edinburgh,2006:377-386.
[114] Simple Knowledge Organization System[EB/OL]. http://en.wikipedia.org/wiki/Simple_Knowledge_Organization_System#History.
[115] Sachit Rajbhandari, Johannes Keizer.The AGROVOC Concept Scheme–Awalkthrough. Journal of Integrative Agriculture.2012,11(5):694-699.
[116]黄承慧,印鉴,陆寄远.一种改进的Lucene语义相似度检索算法[J].中山大学学报,2011,50(2):11-15.
[117]叶正,林鸿飞,杨志豪.基于问句相似度的中文FAQ问答系统[J].计算机工程与应用,2007,43(9):161-163.
[118] Bollegala D, Matsuo Y and Ishizuka M.Measuring Semantic Similarity betweenWords using Web Search Engines[C]. Proceedings of the16th International worldWide Web Conference, Edinburgh,2007:757-766.
[119] Rau L F.Extracting Compangy Names from Text.In:Proceedings of the7th IEEEConference on Artificial Intelligence Applications.1991:29-32.
[120] Bikel DM，Schwarta R,Weischedel RM. An Algorithm that learns What’s in a Name.Machine Learning Journal Special Issue on Natural Language Learning,1999,34(1-3):211-231.
[121] A.Borthwick. A Maximum Entropy Approach to Named Entity Recognition. NewYork: New York University.1999.
[122] RatinovL， Roth D.Design Challenges and Misconceptions inNamed EntityRecognition. In: Proceedings of the13th Conference on Computational NaturalLanguage Learning.2009:147-155.
[123]俞鸿魁等.基于层叠隐马尔可夫模型的中文命名实体识别[J].通信学报,2006,(2):804-809.
[124]周俊生等.基于层叠条件随机场模型的中文机构名自动识别[J].电子学报,2006,(5):804-809.
[125]刘非凡等.面向商务信息抽取的产品命名实体识别研究[J].中文信息学报,2005,(1):7-13.
[126] Yu W, et al.PKUNEI-A Knowledge-Based Approach for Chinese Product NamedEntity Semantic Identification,Computer Processing of OrientalLanguages:Language Technology for the Knowledge-based Economy,2009,Springer Berlin/Hbidelberg.
[127]张朝胜等.基于条件随机场的英文产品命名实体识别[J].计算机工程与科学,2010,(6):87-94.
[128] Suakkaphong N., Z.Zhang and H.C.Chen, Disease Named Entity Recognition UsingSemisupervised Learning and Conditional Random Fields, Journal of the AmericanSociety for Information Science and Technology.2011,62(4):727-737.
[129]刘利刚.中文名实体识别与新词发现技术研究[D].哈尔滨工业大学,2007.
[130]张海军.基于大规模语料的中文新词识别技术研究[D].中国科学技术大学,2010.
[131]徐丹丹.专利文本聚类分析及可视化研究[D].南京理工大学,2009.
[132]常卫丽.领域本体在中文命名实体识别中的应用研究[D].武汉理工大学,2011.
[133]罗芳,熊前兴,肖敏.基于本体的产品命名实体识别研究[J].武汉理工大学学报(信息与管理工程版),2011,33(6):948-952.
[134]张海军,史树敏,朱朝勇等.中文新词识别技术综述[J].计算机科学,2010,37(3):6-10.
[135]周春波.面向WI输入法的新词发现技术研究与实现[D].哈尔滨工业大学,2011.
[136]陆伟,鞠源,张晓娟等.产品命名实体特征选择与识别研究[J].图书情报知识,2012,(5):4-12.
[137]王聃,滕桂法,胡燕等.基于本体的集中型广域农业信息服务系统研究[J].农机化研究,2009,(1):208-211.
[138]董晓霞,滕桂法,王芳,吴玉洁,朱婷.基于本体的农业信息服务系统[J].农机化研究,2009,(6):137-140.
[139]董晓霞.智能化农业信息服务系统关键技术的研究[D].河北农业大学,2009.
[140]吴友政,赵军,希湘煜等.问答式检索技术及评测研究综述[J].中文信息学报,2004,19(3):1-13.
[141] T.Joachims. Text categorization with support vector machines: Learning with manyrelevant features[C]. In Proceedings of the European Conference on MachineLearning, Springer,1998.
[142] Bratsas, C. and Koutkias, V., KnowBaSIGS-M: An ontology-based system forsemantic management of medical problems and computerised algorithmicsolutions[J]. Computer methods and programs in biomedicine,2007,88:39-51.
[143]郭庆琳,樊孝忠.基于自然语言理解的自动应答系统[J].计算机工程,2004,(13):11-12.
[144] Charalampos Bratsas, Vassilis Koutkias,et al.KnowBaSIGS-M: An ontology-basedsystem for semantic management of medical problems and computerised algorithmicsolutions[J]. Computer methods and programs in biomedicine,2007,88:39-51.
[145]王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,2002.
[2]韩夏.2006中国互联网大会发言[EB/OL]. http://net.chinabyte.com/net06/239/2587739.shtml,2006-09-21.
[3]王福强.河北省农业信息化发展重点与策略研究.2006,3.
[4]甘中达.县域经济信息化建设大纲研究.2006,12.
[5]滕桂法,王芳,刘毅红.农业信息化发展重点与策略研究[J].河北省科学院学报,2005,(4):32-34.
[6]农业部关于进一步加强农业信息化建设的意见[J].中国信息界,2007,(1).
[7]郭晞明,胡雨红,郭怀韬.农业信息化存在的问题及对策分析[J].农业科技管理,2007,(1):62-64.
[8]刘爱英,杨江文,冯帆.农业信息化水平的测度[J].中国统计,2007,(2):19-20.
[9]梁贤,林涛.农业科研系统信息服务的现状与对策[J].市场论坛,2004,(12):20-21.
[10]张波.我国农业信息服务的现状、问题及对策研究[D].湖南农业大学,2008.
[11]张云帆.福建农业信息化发展研究[D].福建农林大学,2009.
[12]刘忠,朱虹.农业科技信息系统的研制、开发与发展对策[J].中国农业科技导报,2000,(6):34-38.
[13]刘桂才.美国农业信息工作[J].农业展望,2006,(1):32-36.
[14]郭少友.美国政府信息化建设及对我国的启示[J].情报杂志,2003,(5):20-21.
[15]田野.日本的农业信息化及其启示[J].全球科技经济了望,2001,(1):47-48.
[16]雷士军.日本农业信息化的发展及启示,http://www.chinavalue.net/blog/291386.aspx.
[17]卢丽娜.国外农业信息化发展现状及特点[J].中国农村小康科技,2007,(4):23-26.
[18]卢丽娜.世界农业信息化进程及发展趋势[J].中国信息界,2007,(1):85-91.
[19]童有好.发达国家用信息技术改造传统产业的经验及启示[J].理论学刊,2001,(3):49-51.
[20]宋之辉.西藏农牧区信息化建设研究[D].西藏大学,2009.
[21]张忠德.美、日、韩农业和农村信息化建设的经验及启示[J].科技管理研究,2009,(10):279-281.
[22]赵元凤.发达国家农业信息化的特点[J].中国农村经济,2002,(7):74-78.
[23]鲍敏飞.中国首家国产农业管理软件_数字化农场管理系统[J].计算机与农业,2003,(2):34-39.
[24]张春雨.中国枣网上智能专家系统[D].河北农业大学,2002.
[25]吴玺,谭宏.试论我国农业专家系统的应用及发展[J].计算机与农业，2000,(8):1-4.
[26]吴江寿.农业科技信息移动服务系统设计与实现[D].中国农业科学院,2009.
[27]胡昌平,陈果.网络环境下的区域性农业信息集成设计及服务推进[J].情报杂志,2009,(5):147-154.
[28]樊孝忠,李宏乔,李良富.银行领域汉语自动问答系统的研究与实现.北京理工大学学报,2004,(6):528-532.
[29]孙素芳,罗长寿,魏清凤.Web农业实用技术自动问答系统设计实现.现代图书情报技术,2009,7/8:70-74.
[30]阴红志,张帆,丁鼎,赵斌.Answer Seeker:基于互联网挖掘的问答系统[J].计算机系统应用,2010,(1):6-17.
[31]王永芳.面向农民的问答系统设计与实现[D].山西大学,2011.
[32]马良俊，贺立源，苗洁等.基于用户需求的农业知识服务系统设计与建立[J].农业网络信息,2007,(2):37-41.
[33]罗彩冬,靳红等.高校图书馆开展知识服务的运营思路和方式之探讨[J].情报杂志,2004,(11):86-88.
[34]熊大红.知识服务模型和农业知识服务平台设计研究[J].湖南农业科学,2009,(6):127-130.
[35]吕家恪,刘洪斌,汪璇.基于WebGIS的县域农业资源信息共享系统研究[J].中国农学通报,2007,(4):399-403.
[36]晓路,钱平,赵庆龄.农业科技信息导航知识库及其智能检索系统的构建[J].情报学报,2004,23(6).
[37]梁斌,田敏,荣江.基于WEB的农业信息管理系统的设计与应用[J].石河子大学学报(自然科学版),2004,.22(5):444-446.
[38]刘峻明,朱德海,张晓东.分布式区域农业信息系统元数据设计研究[J].资源科学,2004,26(6):166-171.
[39]石宇虹,朴瀛,祖歌.农业气象信息服务支持系统的研制[J].辽宁气象,2001,(2):32-34.
[40]李良军,杨国才.基于Internet/intranet的农业种植技术信息系统的研究[J].宁夏农学院学报,2001,22(2):76-77.
[41]杨艺.浅谈日本农业信息化的发展及启示[J].现代日本经济,2005,(6):60-62.
[42]日本农业信息化服务的主要特点[J].吉林农业农村经济信息,2006,(8):46.
[43]肖宏儒,宋卫东,任彩红.江苏省农业资源综合开发信息管理系统的研究与开发[J].农业装备技术,2004,30(4):8-10.
[44]胡强,周智敏,武红星.农业科研信息化管理与办公自动化系统的结合——云南省农业科学院办公室的尝试[J].云南农业科技,2002,(6):38-40.
[45]刘德春,邓良基,高雪松.雅安市农业信息系统运行影响因素分析[J].四川农业大学学报,2004,22(2):170-173.
[46]黄传坤,赵梅珠.农业气象智能决策信息系统功能分析与信息集成方法研究[J].中国农业气象,2003,24(4):42-45.
[47]肖荧南,郭向东,戴益民.农业信息工程系统的研究[J].中国农业大学学报,2003,8(1):61-65.
[48]安凯,谢高地,冷允法.精准农业农田地理信息系统设计[J].中国生态农业学报,2003,11(1):72-75.
[49]贾善刚.农业研究信息系统的内涵及其特征初探[J].农业图书情报学刊,2003,(2):45-47.
[50]张毅,朱瑞祥,张玉宝.基于广域网的农业机械化信息管理系统设计[J].农机化研究,2003,(3):170-172.
[51]李思经.中国农业信息管理的系统分析[J].农业图书情报学刊,2000,(6):53-55.
[52]房毅.论农科院系统信息机构在农业信息化中的地位、作用、问题及对策[J].农业图书情报学刊,2001,(2):10-13.
[53]俞守华.广州农业信息网络系统的研究[J].农业图书情报学刊,2000,(3):11-15.
[54]张峻峰,罗长寿,孙素芬等.网络农业信息标准化问题思考[J].中国农学通报,2011,27(1):461-465.
[55]郭书普.网络农业信息分类和编码的研究[J].农业图书情报学刊,2003,(6):139-141.
[56]牛振国,崔伟宏,符海芳.多维网络农业信息分类框架的初步研究[J].农业系统科学与综合研究,2003,19(4):274-277.
[57]王健,甘国辉.多维农业信息分类体系[J].农业工程学报,2004,20(4):152-156.
[58]骆浩文,曾志康,黄樑等.基于网络的农业科技信息分类编码标准体系研究与应用[J].农业图书情报学刊,2007,19(3):150-154.
[59]魏清凤,贺立源,黄魏等.基于《中图法》的网络农业信息分类编码研究[J].情报学报,2009,28(1).
[60]邱荣洲,赵健,池美香等.数字农业信息分类体系研究[J].农业网络信息,2010,(11):17-19.
[61]苏晓路,钱平,颜蕴等.农业科技信息智能检索系统中的知识组织[J].现代图书情报技术,2005,(12):34-38.
[62]张璐,康丽,程新荣等.农资商品本体分类体系方法研究[J].农业网络信息,2009,(8):38-41.
[63]徐勇,安祥生,王志强.基于农业资源分类的农业资源本体架构设计[J].农业网络信息,2009,(10):8-12.
[64]李伟.基于本体的农业网络数据组织与服务[J].科研信息化技术与应用,2011,2(4).
[65]张静,江汇泉.知识本体在分类法叙词表元数据组织中的应用研究[J].现代情报,2006,(10):164-166.
[66]邓志鸿,唐世渭,张铭等. Ontology研究综述[J].北京大学学报(自然科学版)，2002,38(5):730-738.
[67]马安,王宁生,刘建刚.基于本体的CAPP知识库管理系统研究[J].机械科学与技术,2007(7):875-879.
[68]杜小勇,李曼,王珊.本体学习研究综述[J].软件学报,2006,17(9):1837-1847.
[69]宋云龙.基于Ontology的网上咨询专家系统的研究[J].数字图书馆,2006,(3):27-30.
[70]金燕,李敏,张玉蜂.基于Ontology的语义导航研究[J].现代图书情报技术,2005,5:37-40.
[71]付燕宁,金龙飞,王开锋等.基于本体的信息检索系统的设计与实现[J].计算机应用研究,2006,(11):155-157.
[72]白华.基于OWL方法的分类本体语义描述探索[J].情报杂志,2012,31(2).
[73]From Chaos, Order. SKOS Recommendation Helps Organize Knowledge (2009-08-18)
[EB/OL]. http://www.w3.org/2004/02/skos/.
[74]马建斌.中文Web信息作者同一认定技术研究[D].河北农业大学,2010.
[75]胡燕.Web信息内容及其特征提取方法研究[D].河北农业大学,2008.
[76]梅胜.基于SVM的多层次大类别数文本分类系统(HJ-TCM)的设计与实现[D].南京理工大学,2004.
[77]胡艳波,崔新春,路青.基于SKOS的知识管理研究[J].电子技术,2011,(11):30-31.
[78]程传鹏.基于分类的智能信息检索研究与实现[D].云南师范大学,2005.
[79]聂颂.具有自动分类功能的主题搜索引擎的研究[D].天津大学,2004.
[80]贺贤明,戴坚峰.一种新型文本自动分类系统的研究与实现[J].微电子学与计算机,2004,(11):23-26.
[81]杨硕.基于VSM文本分类系统的设计与实现[D].大连理工大学,2006.
[82]黄辉宇.基于神经网络的不良信息实时监测系统研究[D].燕山大学,2003.
[83]王继明.网络新闻分类系统及个性化新闻网站的研究与应用[D].内蒙古工业大学,2007.
[84]余刚.基于语义概念的文本特征描述[D].重庆大学,2005.
[85]王丁.基于中文文本分类的自动诊病系统[D].哈尔滨理工大学,2003.
[86]庞剑锋,卜东波,白硕.基于向量空间模型的文本自动分类系统的研究与实现[J].计算机应用研究,2001,(9):23-26.
[87]易高翔.Web文本挖掘研究与实现[D].武汉科技大学,2004.
[88]王军.基于文本分类的WEB信息检索技术的研究[D].大连交通大学,2007.
[89]张洪军.基于SVM的电子邮件分类系统研究[D].山东师范大学,2007.
[90]王美方.信息过滤系统中特征选择算法的研究[D].山东师范大学,2008.
[91]王俊英,郭景峰,霍峥.中文文本分类系统的设计与实现[J].微电子学与计算机,2006,(12):262-265.
[92]黄春娟.网络环境下个性化信息服务及其响应系统研究[D].南京理工大学,2004.
[93]张申亚.文本分类技术中的特征选择算法研究[J].信阳农业高等专科学校学报,2007,(9):125-127.
[94]宋万鹏.短文本相似度计算在用户交互式问答系统中的应用[D].中国科学技术大学,2010.
[95]李欢.问答系统中的文本信息抽取研究与应用[D].中国科学技术大学,2009.
[96] Yang Yiming，Jan O. Pedersen. A Comparative Study on Feature Selection in TextCategorization[A]. Proceedings of{ICML}-97，14th International Conference onMachine Learning，1997.412-420.
[97]马建斌.基于SVM的中文电子邮件作者身份挖掘技术研究[D].河北农业大学,2004.
[98]常淑惠.基于写作风格的中文邮件作者身份识别技术研究[D].河北农业大学,2005.
[99]杨静.基于SVM的中文电子邮件作者性别识别技术研究[D].河北农业大学,2007.
[100]胡燕. Web信息内容及其特征提取方法研究[D].河北农业大学,2008.
[101] T.Joachims. Text categorization with support vector machines: Learning with manyrelevant features[C]. In Proceedings of the European Conference on MachineLearning, Springer,1998.
[102] Chih-Chung Chang and Chih-Jen LinChih-Jen Lin. LIBSVM--A Library forSupport Vector Machines[EB/OL]. http://www.csie.ntu.edu.tw/~cjlin/.
[103]马建斌,滕桂法,常淑惠.基于写作风格的中文Web信息作者同一认定方法[J].郑州大学学报(理学版),2011,(6):125-127.
[104]辜桂兵.基于形象特征分析的垃圾邮件过滤方法研究[D].华中科技大学,2007.
[105]李惟.中文电子邮件作者身份识别系统研究[D].河北农业大学,2007.
[106] Fellhaum C.WordNet: An Electronic Lexical Database[M]. The MIT Press,1998.
[107] Leacock C, Chodorow M.Combining local context and WordNet sense similarity forword sense identification[M]. WordNet, an Electronic Lexical Database, the MITPress,1998.
[108] Wu Z and Palmer M.Veb Senantics and Lexical Selection[C]. In Proceedings of the32nd Annual Meeting of the Association for Computational Linguistics.New MexicoState University, Las Cruces, New Cruces, New Mexico,USA:133-138.
[109] Li Y, Bandar Z and Mclean D.2003.An Approach for Measuring SenmanticSimilarity using Multiple Information Sources[J].IEEE Trans. Knowledge and DataEngineering,15(4):871-882.
[110] Mihalcea R, Corley C and Strapparava C.2006.Corpus-based and Knowledge-basedMeasures of Text Semantic Similarity[C].Proceedings of the21st NationalConference on Artificial Intelligence Conference.2006.
[111] Li Y, Mclean D, Bandar Z, O’Shea J and K.Crockett.Sentence Similarity Based onSemantic Nets and Corpus Statistics[J].IEEE Transactions on Knowledge and DataEngineering,18(8):1138-1150.
[112] Islam A, InkPen D. Semantic Text Similarity using Corpus-based Word Similarityand String Similarity[J]. ACM Transactions on Knowledge Discovery from Date,2008,2(2).
[113] Sahami M, Heilman T. A Web-based Kernel Function for Measuring the Similarityfor Short Text Snippets[C]. Proceedings of the15th International world Wide WebConference, Edinburgh,2006:377-386.
[114] Simple Knowledge Organization System[EB/OL]. http://en.wikipedia.org/wiki/Simple_Knowledge_Organization_System#History.
[115] Sachit Rajbhandari, Johannes Keizer.The AGROVOC Concept Scheme–Awalkthrough. Journal of Integrative Agriculture.2012,11(5):694-699.
[116]黄承慧,印鉴,陆寄远.一种改进的Lucene语义相似度检索算法[J].中山大学学报,2011,50(2):11-15.
[117]叶正,林鸿飞,杨志豪.基于问句相似度的中文FAQ问答系统[J].计算机工程与应用,2007,43(9):161-163.
[118] Bollegala D, Matsuo Y and Ishizuka M.Measuring Semantic Similarity betweenWords using Web Search Engines[C]. Proceedings of the16th International worldWide Web Conference, Edinburgh,2007:757-766.
[119] Rau L F.Extracting Compangy Names from Text.In:Proceedings of the7th IEEEConference on Artificial Intelligence Applications.1991:29-32.
[120] Bikel DM，Schwarta R,Weischedel RM. An Algorithm that learns What’s in a Name.Machine Learning Journal Special Issue on Natural Language Learning,1999,34(1-3):211-231.
[121] A.Borthwick. A Maximum Entropy Approach to Named Entity Recognition. NewYork: New York University.1999.
[122] RatinovL， Roth D.Design Challenges and Misconceptions inNamed EntityRecognition. In: Proceedings of the13th Conference on Computational NaturalLanguage Learning.2009:147-155.
[123]俞鸿魁等.基于层叠隐马尔可夫模型的中文命名实体识别[J].通信学报,2006,(2):804-809.
[124]周俊生等.基于层叠条件随机场模型的中文机构名自动识别[J].电子学报,2006,(5):804-809.
[125]刘非凡等.面向商务信息抽取的产品命名实体识别研究[J].中文信息学报,2005,(1):7-13.
[126] Yu W, et al.PKUNEI-A Knowledge-Based Approach for Chinese Product NamedEntity Semantic Identification,Computer Processing of OrientalLanguages:Language Technology for the Knowledge-based Economy,2009,Springer Berlin/Hbidelberg.
[127]张朝胜等.基于条件随机场的英文产品命名实体识别[J].计算机工程与科学,2010,(6):87-94.
[128] Suakkaphong N., Z.Zhang and H.C.Chen, Disease Named Entity Recognition UsingSemisupervised Learning and Conditional Random Fields, Journal of the AmericanSociety for Information Science and Technology.2011,62(4):727-737.
[129]刘利刚.中文名实体识别与新词发现技术研究[D].哈尔滨工业大学,2007.
[130]张海军.基于大规模语料的中文新词识别技术研究[D].中国科学技术大学,2010.
[131]徐丹丹.专利文本聚类分析及可视化研究[D].南京理工大学,2009.
[132]常卫丽.领域本体在中文命名实体识别中的应用研究[D].武汉理工大学,2011.
[133]罗芳,熊前兴,肖敏.基于本体的产品命名实体识别研究[J].武汉理工大学学报(信息与管理工程版),2011,33(6):948-952.
[134]张海军,史树敏,朱朝勇等.中文新词识别技术综述[J].计算机科学,2010,37(3):6-10.
[135]周春波.面向WI输入法的新词发现技术研究与实现[D].哈尔滨工业大学,2011.
[136]陆伟,鞠源,张晓娟等.产品命名实体特征选择与识别研究[J].图书情报知识,2012,(5):4-12.
[137]王聃,滕桂法,胡燕等.基于本体的集中型广域农业信息服务系统研究[J].农机化研究,2009,(1):208-211.
[138]董晓霞,滕桂法,王芳,吴玉洁,朱婷.基于本体的农业信息服务系统[J].农机化研究,2009,(6):137-140.
[139]董晓霞.智能化农业信息服务系统关键技术的研究[D].河北农业大学,2009.
[140]吴友政,赵军,希湘煜等.问答式检索技术及评测研究综述[J].中文信息学报,2004,19(3):1-13.
[141] T.Joachims. Text categorization with support vector machines: Learning with manyrelevant features[C]. In Proceedings of the European Conference on MachineLearning, Springer,1998.
[142] Bratsas, C. and Koutkias, V., KnowBaSIGS-M: An ontology-based system forsemantic management of medical problems and computerised algorithmicsolutions[J]. Computer methods and programs in biomedicine,2007,88:39-51.
[143]郭庆琳,樊孝忠.基于自然语言理解的自动应答系统[J].计算机工程,2004,(13):11-12.
[144] Charalampos Bratsas, Vassilis Koutkias,et al.KnowBaSIGS-M: An ontology-basedsystem for semantic management of medical problems and computerised algorithmicsolutions[J]. Computer methods and programs in biomedicine,2007,88:39-51.
[145]王永庆.人工智能原理与方法[M].西安:西安交通大学出版社,2002.