農(nóng)業(yè)垂直搜索引擎語義化若干問題的研究與實(shí)現(xiàn).pdf

1、大量的農(nóng)業(yè)技術(shù)、供求信息、市場信息、政策法規(guī)和農(nóng)業(yè)新聞等信息資源分布在互聯(lián)網(wǎng)上農(nóng)業(yè)網(wǎng)站中。然而由于互聯(lián)網(wǎng)信息資源具有信息異質(zhì)、異構(gòu)、分散、重復(fù)現(xiàn)象嚴(yán)重的特點(diǎn)，缺少統(tǒng)一的形式化表達(dá)，形成各種各樣的“信息孤島”，很難對(duì)農(nóng)業(yè)信息資源進(jìn)行整合和利用。針對(duì)這個(gè)問題，在國家自然基金（“農(nóng)業(yè)復(fù)雜自適應(yīng)搜索模型研究”）的支持下，面向農(nóng)業(yè)的搜索模型—搜農(nóng)應(yīng)運(yùn)而生。然而該模型還是基于文本關(guān)鍵字匹配的數(shù)據(jù)處理方式，不能充分理解信息包含的語義信息，在準(zhǔn)確率和召

2、回率這兩大信息檢索系統(tǒng)性能指標(biāo)上還有很大提升空間。
　　 針對(duì)這個(gè)問題，本文根據(jù)網(wǎng)絡(luò)農(nóng)業(yè)資源的特點(diǎn)，在農(nóng)業(yè)領(lǐng)域本體構(gòu)建的基礎(chǔ)上，將本體作為領(lǐng)域知識(shí)庫應(yīng)用于垂直搜索引擎的數(shù)據(jù)預(yù)處理、數(shù)據(jù)索引和用戶檢索三個(gè)環(huán)節(jié)，將本體的語義添加到搜索引擎的數(shù)據(jù)處理過程中。
　　 相對(duì)于原有模型，數(shù)據(jù)預(yù)處理環(huán)節(jié)的語義改進(jìn)主要包括：信息的空間屬性的抽取、信息地理名稱的實(shí)體解析和價(jià)格動(dòng)態(tài)變化的關(guān)系抽?。凰饕h(huán)節(jié)的語義改進(jìn)主要包括：文檔的語義標(biāo)注和

3、語義擴(kuò)展；用戶檢索環(huán)節(jié)的改進(jìn)包括：在語義標(biāo)注環(huán)境下普通用戶的檢索策略和基于用戶模型的語義擴(kuò)展方法。
　　 論文的主要研究內(nèi)容總結(jié)如下：
　　 1．針對(duì)網(wǎng)絡(luò)上農(nóng)業(yè)資源空間屬性表達(dá)的多樣性、顯性表達(dá)的缺失等問題，本文提出一種借助領(lǐng)域本體和WEB搜索引擎構(gòu)建知識(shí)庫抽取并判別信息的空間屬性的方法，將語義添加到信息的空間屬性抽取過程中。
　　 2．針對(duì)農(nóng)業(yè)地理名稱實(shí)體解析的問題，本文提出一種將空間屬性抽取算法和Markov

4、邏輯網(wǎng)絡(luò)進(jìn)行結(jié)合進(jìn)行地理名稱實(shí)體解析的方法，將空間屬性抽取中的語義信息帶入到地理名稱的實(shí)體解析過程中。
　　 3．針對(duì)從大量非結(jié)構(gòu)化的文本中抽取價(jià)格變化關(guān)系的問題，本文設(shè)計(jì)了一種基于條件隨機(jī)場進(jìn)行關(guān)系抽取，并用領(lǐng)域本體對(duì)抽取的結(jié)果進(jìn)行語義上的統(tǒng)計(jì)合并的農(nóng)產(chǎn)品價(jià)格變化關(guān)系抽取方法。
　　 4．針對(duì)農(nóng)業(yè)領(lǐng)域資源的特點(diǎn)，本文提出一種結(jié)合領(lǐng)域本體和句法分析相結(jié)合的核心詞匯抽取方法，并依據(jù)本體對(duì)文檔主題進(jìn)行推斷，與本體中的概念進(jìn)行