农业知识服务—蚁群算法与语义推理研究

发布时间：2022-02-19 20:29

　　随着信息技术的发展和社会信息化水平的提高,信息资讯的获取已经成为人们学习生活与工作的重要组成部分,资讯服务也从过去的资料服务、信息服务发展到更高效、准确、个性化的知识服务。如何提高知识服务水平成为人们研究的新热点。人们开始探索把本体、语义网、基于生物模拟的数学推理算法等理论和方法运用在知识组织与知识管理,在计算机网络技术、人工智能技术等通用技术的支持下,开发更高水平的知识服务系统。本研究旨在面向农业知识服务探索一种基于蚁群算法的语义推理模型,为构建新的农业知识智能搜索工具提供基础方法的支撑,从而提高农业知识组织、管理和服务的水平。首先,介绍了Web服务和网格计算等本研究所涉及的关键技术的基础上,对基于语义的农业知识服务系统框架做了全面的设计,详细分析和介绍了系统所包含的知识服务前台模块、语义推理模块、知识管理模块、知识获取模块以及Web服务模块五大模块的功能以及设计原理。这些为农业知识服务系统开发提供了理论框架。其次,介绍了农业知识服务系统关键模块语义推理模块中所涉及的本体、语义推理技术,并详细阐述了语义相似度计算、蚁群算法等人工智能检索算法,为语义推理模块中解析器算法的设计打下了理论... 

【文章来源】：中国农业科学院北京市

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究的目的意义
    1.2 国内外研究现状
        1.2.1 知识服务研究
        1.2.2 语义网研究
    1.3 解决的问题
    1.4 本文的创新点
第二章 基于语义的农业知识服务框架研究
    2.1 关键技术
        2.1.1 Web 服务
        2.1.2 网格计算
    2.2 系统框架研究
        2.2.1 知识服务前台模块
        2.2.2 知识管理模块
        2.2.3 知识获取模块
        2.2.4 Web 服务模块
    2.3 语义推理模块设计
    2.4 本章小结
第三章 领域本体与基于本体的语义推理
    3.1 本体
        3.1.1 本体的定义
        3.1.2 本体的描述语言
        3.1.3 农业领域本体
    3.2 本体的逻辑推理描述
        3.2.1 描述逻辑的体系
        3.2.2 描述逻辑的推理机制
    3.3 逻辑推理规则
    3.4 基于 SWRL 的语义推理
        3.4.1 SWRL 架构
        3.4.2 SWRL 规则
    3.5 SWRL 推理规则构建
        3.5.1 SWRL Editor
        3.5.2 SWRL Editor 与推理引擎的整合
    3.6 本章小结
第四章 蚁群算法与语义相似度算法
    4.1 蚁群算法
        4.1.1 蚁群算法基本原理
        4.1.2 蚁群算法的算法模型与实现流程
    4.2 语义相似度
        4.2.1 概念相似度
        4.2.2 属性相似度
    4.3 语义相似度计算
    4.4 本章小结
第五章 基于蚁群算法的语义推理
    5.1 语义推理模块框架设计
        5.1.1 语义推理模块框架结构
        5.1.2 语义推理模块应用模式
    5.2 语义开发环境与开发工具
        5.2.1 基于 Jena 的语义开发环境
        5.2.2 基于 Protege OWLAPI 的语义开发环境
    5.3 JESS
        5.3.1 Jess 的基本组成与知识表示
        5.3.2 Jess 的推理机制
    5.4 基于蚁群算法的规则选择
        5.4.1 规则簇类聚合计算
        5.4.2 基于蚁群算法的簇类选择
        5.4.3 簇类规则选择
    5.5 本章小结
第六章 基于蚁群算法的语义推理模块设计实现
    6.1 鳜鱼疾病诊断本体构建
        6.1.1 概念定义
        6.1.2 关系描述
    6.2 基于 SWRL 的鳜鱼疾病诊断推理规则构建
    6.3 语义推理模块实现
        6.3.1 模块解析器算法实现
        6.3.2 Jess 引擎调用
    6.4 鳜鱼疾病诊断推理系统实现
    6.5 本章小结
第七章 总结与展望
    7.1 成果总结
    7.2 下一步工作的展望
参考文献
致谢
作者简历


【参考文献】：
期刊论文
[1]模糊描述逻辑FALNUI的tableaux推理[J]. 蒋运承,汤庸,王驹,申宇铭.  计算机研究与发展. 2007(08)
[2]基于本体的概念间语义相似度计算方法研究[J]. 徐德智,王怀民.  计算机工程与应用. 2007(08)
[3]描述逻辑综述[J]. 石莲,孙吉贵.  计算机科学. 2006(01)
[4]Web本体语言的分析与比较[J]. 胡鹤,刘大有,王生生.  计算机工程. 2005(04)
[5]蚁群优化算法及其应用[J]. 胡小兵,黄席樾.  计算机仿真. 2004(05)
[6]Ontology研究综述[J]. 邓志鸿,唐世渭,张铭,杨冬青,陈捷.  北京大学学报(自然科学版). 2002(05)

博士论文
[1]语义检索中若干关键问题的研究[D]. 梅翔.北京邮电大学 2007
[2]知识服务机制研究[D]. 董颖.中国科学院研究生院（软件研究所） 2003

硕士论文
[1]基于蚁群算法的网格作业调度的研究与设计[D]. 赵晨阳.兰州大学 2008
[2]基于蚁群算法的铁路车辆路径问题研究[D]. 周宏敏.西南交通大学 2008
[3]支持语义推理的电信业务执行机制的研究与实现[D]. 梁守青.北京邮电大学 2007
[4]长春市大学生体育消费现状的调查及影响因素分析[D]. 李宇.东北师范大学 2006
[5]基于语义Web的自动推理技术研究[D]. 朱创录.西北大学 2006
[6]基于本体的语义检索方法研究[D]. 杨若望.北京邮电大学 2006



本文编号：3633565