林業(yè)動態(tài)信息快速搜索與集成.pdf

1、我國林業(yè)是國民經(jīng)濟的基礎產(chǎn)業(yè)，擔負著生態(tài)環(huán)境建設和促進社會可持續(xù)發(fā)展的重大使命，人類是林業(yè)產(chǎn)業(yè)建設中的主要受益群體，當林業(yè)產(chǎn)業(yè)結構形成時，人們就在其中發(fā)揮其各自不同的作用。近年來，林業(yè)信息化推進，促進了林業(yè)信息資源的共享，為公眾提供了便利，促進了林業(yè)產(chǎn)業(yè)的發(fā)展。但是，林業(yè)信息化的發(fā)展還有其必要性，如何更好地利用林業(yè)信息資源，為我國林業(yè)科學領域廣大科研人員、教學工作者以及林農(nóng)服務，就迫切需要對林業(yè)信息實現(xiàn)快速搜索與集成。
　　 如

2、何從海量信息中快速查找到用戶所需要的信息，已經(jīng)成為公眾對特定領域信息的查找所面臨的主要問題?；ヂ?lián)網(wǎng)上林業(yè)信息越來越龐雜且無序，普通的搜索引擎已經(jīng)不能滿足大眾對個性化信息的需求。針對用戶在進行林業(yè)主題信息查詢時，通用搜索引擎需要花費大量時間及精力去查找所需要的信息，且主題信息的召回率和精確率都比較低，不能滿足用戶的需求，因此公眾急需一個分類精確、數(shù)據(jù)全面、更新及時的林業(yè)主題搜索引擎。
　　 本論文的研究內(nèi)容來自導師主持的湖南省科技

3、計劃重點項目(2010nk2004)。本文以系統(tǒng)科學、林學、信息學和統(tǒng)計學等理論為指導，對林業(yè)動態(tài)信息搜索與集成進行了全面的研究。研究過程中，對國內(nèi)外林業(yè)動態(tài)信息搜索與集成等方面的研究進行了綜述。主要從林業(yè)動態(tài)信息的需求分析與分類、主題爬蟲搜索器以及文本識別分類器等三個方面進行了研究，主要研究工作如下:
　　 (1)綜合分析了國內(nèi)外對于搜索引擎的既有理論和實踐成果，表明了目前建立一個林業(yè)主題搜索引擎的重要性和必要性，并對其中的關

4、鍵技術進行了深入研究。本研究將林業(yè)主題搜索引擎分為數(shù)據(jù)收集層、數(shù)據(jù)存儲層以及數(shù)據(jù)表示層三個層次，并對這三個層次中涉及的相關方法進行了探討和總結。
　　 (2)利用網(wǎng)頁上公布的信息，結合各部門及公眾對林業(yè)動態(tài)信息的需求，明確對各部門及公眾真正有實際意義的林業(yè)動態(tài)信息類別，并對所需林業(yè)動態(tài)信息進行分類、分塊，使各種林業(yè)動態(tài)信息具體化，主要分為以下七類:林業(yè)科技信息、林業(yè)生產(chǎn)資料、林產(chǎn)品市場供求信息、花卉信息、林業(yè)政策法規(guī)、林業(yè)勞務信

5、息、氣象與環(huán)境信息。
　　 (3)根據(jù)已構建的林業(yè)動態(tài)信息類別體系，搜集與之相關的林業(yè)專業(yè)網(wǎng)站，明確信息采集的網(wǎng)站來源。采集我們所需要的數(shù)據(jù)所提供的網(wǎng)站域名，并采集域名后的內(nèi)容，同時辨別所采集的網(wǎng)站類別，實現(xiàn)對林業(yè)動態(tài)信息源的搜集及分類。
　　 (4)運用基于內(nèi)容分析與基于鏈接結構分析相結合的一種新型搜索策略，通過綜合分析評價，對候選URL所指向的頁面進行主題相關度判斷以及對候選URL進行排序，實現(xiàn)最優(yōu)的林業(yè)主題爬蟲搜索

6、器，從而使所下載的網(wǎng)頁按與林業(yè)主題相關且重要性突出遞減的順序排列。
　　 (5)采用計算機智能的SVM自動文本分類技術，對樣本數(shù)據(jù)進行機器訓練，實現(xiàn)對主題爬蟲搜索器所采集到的林業(yè)動態(tài)信息進行分類存儲，達到對林業(yè)主題搜索引擎的數(shù)據(jù)收集層的構建進行優(yōu)化的目的。
　　 林業(yè)動態(tài)信息搜索與集成是在對現(xiàn)有的搜索與集成技術進行研究和優(yōu)化的基礎上，融合了公眾對林業(yè)動態(tài)信息的需求，使得公眾在獲取林業(yè)動態(tài)信息時的準確率、全面率和成功率都得