●前言
章 緒論 1
1.1 研究背景 1
1.2 研究意義 4
1.3 研究內容 4
1.4 技術路線 6
1.5 本書貢獻 7
第二章 相關研究綜述 8
2.1 語義信息檢索 8
2.2 農業領域語義信息檢索 9
2.3 基於本體的農業領域語義信息檢索 10
2.4 植物鋻別方法 11
2.5 本章小結 13
第三章 基於雲模型TOPSIS的植物鋻別檢索方法 14
3.1 引言 14
3.2 問題提出 14
3.3 相關理論及技術 15
3.3.1 雲模型 15
3.3.2 TOPSIS多屬性綜合評價法 18
3.4 算法步驟 19
3.5 實例 22
3.6 本章小結 28
第四章 基於互信息條件隨機場的中文領域術語識別方法 29
4.1 引言 29
4.2 相關理論及技術 30
4.2.1 領域術語 30
4.2.2 領域術語識別方法 30
4.2.3 互信息 32
4.2.4 條件隨機場模型 33
4.3 基於互信息條件隨機場的中文領域術語識別方法 34
4.3.1 問題提出 34
4.3.2 算法步驟 36
4.3.3 實例 37
4.4 實驗結果與分析 42
4.4.1 實驗設置 42
4.4.2 實驗一:與互信息、信息熵及單純條件隨機場算法的識別效果比較 43
4.4.3 實驗二:窗口寬度和標注集對本算法性能的影響 44
4.5 本章小結 46
第五章 竹籐領域語義信息檢索模型 47
5.1 引言 47
5.2 相關理論及技術 48
5.2.1 信息檢索模型 48
5.2.2 查詢擴展 52
5.2.3 TF-IDF算法 54
5.3 竹籐領域語義信息檢索模型 55
5.4 竹籐本體構建 56
5.4.1 竹籐本體的設計 56
5.4.2 竹籐領域本體知識表示 57
5.4.3 竹籐領域本體知識實例化 58
5.5 查詢擴展 62
5.5.1 語義查詢擴展 62
5.5.2 概念相似度計算 63
5.5.3 查詢擴展的檢索方法 64
5.6 竹籐領域術語權重計算 64
5.6.1 竹籐領域術語權重定義 64
5.6.2 竹籐領域術語權重計算 65
5.7 語義相關度計算 66
5.7.1 檢索詞與實例間的語義相關度計算 66
5.7.2 結果的相關度排序 69
5.8 實驗結果與分析 69
5.8.1 實驗一:語義查詢擴展對模型性能的影響 70
5.8.2 實驗二:引入領域術語權重對模型性能的影響 71
5.8.3 實驗三:與貝葉斯檢索模型的比較 73
5.8.4 實例 74
5.9 本章小節 74
第六章 總結與展望 76
6.1 本書總結 76
6.2 研究展望 77
參考文獻 78
內容簡介
本書以竹籐領域為例,以實現基於植物外形特征的竹籐種類鋻別為信息服務目標;利用領域術語自動識別技術、不確定性知識表示方法、語義信息檢索技術等相關理論和技術,分別對竹籐信息中的數值型數據和文本型數據的語義信息檢索展開研究;完成竹籐外形特征標本數據庫、竹籐領域本體庫和竹籐領域語義信息檢索模型的構建,實現竹籐領域信息語義關聯檢索。