基于语义网的农业知识本体研究
- 格式:doc
- 大小:28.50 KB
- 文档页数:8
语义网中的本体构建与推理研究随着互联网技术的不断发展,人们在网络上获取信息变得越来越容易,然而,这些信息往往是海量的、杂乱无章的,并不便于机器自动处理。
因此,我们需要一种能够理解信息含义的方式,来帮助我们更好地处理这些信息。
这就是语义网的基本思想。
语义网(Semantic Web)的核心是充分地使用信息的语义,通过构建本体(Ontology)、推理等手段来实现Web资源的高效利用和共享。
本体是语义网的基石本体是语义网中的核心概念。
顾名思义,本体就是用于描述实体及其关联关系的模型。
它是对某一领域中实体、概念、属性和关系等的描述,以及这些描述之间的约束、规则等。
本体的目的是消除不同人、不同组织、不同机器对同一概念的不同解释,为不同使用者提供一个一致的、标准的基础。
因此,本体的构建关系到语义网的推广和应用。
本体构建的方法本体构建的方法可以大致分为三大类:手工构建法、半自动化构建和自动化构建。
手工构建是最早出现的一种本体构建方式。
其优点在于可以高度抽象地描述概念,缺点在于速度慢、成本高。
半自动化构建则是在手工构建的基础上,在人工干预的情况下涉及到自动化工具,优点在于缩短了构建时间。
自动化构建是一种基于机器学习的方法,具有时间成本低、可扩展性好等优点。
本体推理的方法本体推理是指通过基于本体知识的逻辑推断,从本体中出发,再结合外部实例数据,推导出新的知识或结论,从而完善和扩展本体的过程。
本体推理的方法可以大致分为逻辑推理和规则推理。
逻辑推理是利用逻辑形式化地表示本体知识,然后进行逻辑推理的过程。
逻辑推理需要对本体进行形式化表示,从而使推理结果是形式化规则所允许的。
规则推理是指利用基于规则或规则表示的推理方法,利用规则的强特定性来完成推理任务。
本体构建和推理的应用完善的本体和推理技术可以帮助我们更好地利用和共享网络信息。
下面分别介绍几个应用。
1. 语义搜索语义搜索可以从网络数据中精确提取用户所需信息。
在语义搜索中,可以利用本体中的概念间关系,由搜索关键词推断出更适合用户需求的结果,从而不必对搜索结果进行手工筛选。
语义网络技术在知识图谱构建中的应用研究一、引言近年来,随着互联网信息爆炸式增长,人们急需一种更高效的方式来组织和管理海量的信息。
知识图谱作为一种表示和组织知识的方法,逐渐受到广泛关注。
而在知识图谱构建的过程中,语义网络技术扮演着重要角色。
本文将探讨语义网络技术在知识图谱构建中的应用研究。
二、语义网络技术概述语义网络技术是一种将事物之间的关系表示为图结构的方法。
在语义网络中,节点表示事物,边表示事物之间的关系。
通过这种方式,我们可以清晰地了解事物之间的联系,从而更方便地进行知识的组织和管理。
三、知识图谱构建中的语义网络技术应用1. 实体抽取与链接实体抽取是知识图谱构建的第一步,通过语义网络技术,我们可以从文本中自动识别出实体,并将其转化为节点。
同时,通过链接技术,将不同来源的实体链接到同一节点,从而实现实体的一致性和准确性。
2. 关系提取和建模知识图谱关注事物之间的关系,而语义网络技术可以帮助我们从文本中提取出关系信息,并将其转化为边。
通过建模技术,将抽取出的关系信息转化为可计算的形式,使得知识图谱更易于处理和应用。
3. 图谱理解与推理语义网络技术为知识图谱的理解和推理提供了基础。
通过对知识图谱的语义网络进行分析,我们可以发现事物之间的规律和模式,并进行推理。
这对于知识的深层次挖掘和应用具有重要意义。
四、语义网络技术在知识图谱构建中的优势1. 多样性与灵活性语义网络技术能够灵活地处理不同类型的实体和关系,从而适应不同领域的知识图谱构建需求。
它能够处理多种语义类型的节点和关系,不仅限于传统的层级结构。
2. 可解释性与可理解性语义网络技术的结构清晰,能够将事物之间的关系直观地展示出来。
这使得知识图谱的构建和使用更加可解释和可理解,为用户提供了更好的使用体验。
3. 可扩展性与可更新性知识图谱是一个动态的系统,需要不断地扩展和更新。
语义网络技术能够很好地应对知识图谱的变化,保证图谱的可扩展性和可更新性。
五、应用案例1. 百度知识图谱百度知识图谱是一个基于语义网络技术构建的大规模知识图谱。
语义Web中基于SKOS的知识组织模型
王茜;陶兰;王弼佐
【期刊名称】《计算机工程与设计》
【年(卷),期】2007(28)6
【摘要】语义Web中的知识组织问题越来越引起人们的关注,领域知识本体是理想的知识管理方案,但构建领域本体是件费时、费力的工作.为提供一种更为简单、易用的知识管理方案,采用W3C颁布的SKOS(simple knowledge organization system)构建领域知识组织系统,通过对模型中类与属性的扩展增强对知识的描述能力,研究模型与语义Web的结合问题,并分析了SKOS模型在语义Web中发挥的作用.
【总页数】3页(P1441-1443)
【作者】王茜;陶兰;王弼佐
【作者单位】中国农业大学,信息与电气工程学院,北京,100083;深圳大学,信息工程学院,广东,深圳,518060;中国农业大学,信息与电气工程学院,北京,100083
【正文语种】中文
【中图分类】TP182
【相关文献】
1.基于知识本体的航空发动机设计知识组织模型 [J], 陈永当;姜寿山;杨海成;杜兵劳
2.基于DAG知识组织模型的产品设计过程知识服务系统 [J], 刘运通;唐任仲;王国
栋
3.基于知识元组织模型的《汽车构造》课程微课设计与教学研究 [J], 李洲稷; 陈智勇; 李妙玲
4.基于智能主题图的科技文献细粒度知识组织模型 [J], 秦春秀;郑梦悦;马续补;赵捧未
5.语义网环境中的叙词表实例研究——利用SKOS构造机器可理解的知识组织体系 [J], 范炜
因版权原因,仅展示原文概要,查看原文内容请购买。
农业知识图谱研究综述
唐闻涛;胡泽林
【期刊名称】《计算机工程与应用》
【年(卷),期】2024(60)2
【摘要】知识图谱是大数据时代下知识工程的关键技术。
利用知识图谱强大的语义理解和知识组织能力,可以解决现代化农业建设中农业知识分散无序、知识覆盖范围不足等问题针对农业领域数据复杂、专业性强等特点,给出了农业知识图谱的构建方法与框架;综述了农业知识图谱构建中本体构建、知识抽取、知识融合以及知识推理四个关键技术的国内外研究现状;系统梳理了农业知识图谱在决策支持、智能问答与推荐系统的应用;最后,介绍了几个具体的农业知识图谱实例。
根据农业知识图谱的研究现状,对其未来的研究方向进行了展望。
【总页数】14页(P63-76)
【作者】唐闻涛;胡泽林
【作者单位】赣南师范大学物理与电子信息学院
【正文语种】中文
【中图分类】TP182
【相关文献】
1.基于CiteSpace知识图谱的非英语专业研究生EAP教学研究综述
2.基于知识图谱的农业知识问答系统研究
3.国内工笔人物画研究领域研究综述及展望——基于CiteSpace图谱的可视化解析
4.基于HARP框架的农业知识图谱表示模型研究
因版权原因,仅展示原文概要,查看原文内容请购买。
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910314994.7(22)申请日 2019.04.18(71)申请人 华南农业大学地址 510642 广东省广州市天河区五山路483号(72)发明人 胡明月 贾琛琛 唐宗 (74)专利代理机构 佛山市广盈专利商标事务所(普通合伙) 44339代理人 李俊(51)Int.Cl.G06T 5/50(2006.01)G06T 7/11(2017.01)G06T 7/62(2017.01)G06K 9/62(2006.01)(54)发明名称一种基于语义规则的农田定级单元划分方法及系统(57)摘要本发明公开了一种基于语义规则的农田定级单元划分方法及系统。
其中,所述方法包括:确定划分的土地单元的面积并构建初始图斑集;基于初始图斑集中的土地单元的土地类型、土地属性和海拔建立小图斑综合知识库;基于小图斑综合知识库依次按照行政区域进行区域划分处理及根据土地类型进行类别划分处理,获取小图斑划分集;在所述小图斑划分集中查找是否存在小于预设阈值的小图斑;若存在,确定小于预设阈值的小图斑的最邻近的邻接同类图斑并进行合并获合并图斑。
在本发明实施例中,在土地划分时最大限度的保留了单元信息,提升单元属性的均一程度。
权利要求书2页 说明书11页 附图2页CN 110097529 A 2019.08.06C N 110097529A权 利 要 求 书1/2页CN 110097529 A1.一种基于语义规则的农田定级单元划分方法,其特征在于,所述方法包括:确定划分的土地单元的面积并构建初始图斑集;基于初始图斑集中的土地单元的土地类型、土地属性和海拔建立小图斑综合知识库;基于小图斑综合知识库依次按照行政区域进行区域划分处理及根据土地类型进行类别划分处理,获取小图斑划分集;在所述小图斑划分集中查找是否存在小于预设阈值的小图斑;若存在,确定小于预设阈值的小图斑的最邻近的邻接同类图斑并进行合并获合并图斑。
语义网和语义网格中的本体研究综述余一娇1,2(1 华中师范大学语言学系,武汉,430079)(2 华中科技大学计算机学院 武汉 430074)E-mail: yjyu@摘要:本体是语义网和语义网格研究中的一种重要方法。
文中首先介绍本体的定义、本体的四元素表示法和六元组表示方法,以及本体的设计分析生命周期;然后回顾语义网研究中曾产生过巨大影响的七种本体语言。
通过分析众多文献的观点,文中提出在将来我们应重点针对 DAML+OIL 和OWL两种本体语言进行深入研究。
文中还列举出了本体在生物信息计算和网络管理领域应用的两个实例。
最后根据语义网格和本体研究现状,提出了利用本体研究语义网格服务质量的基本思路和研究方法。
关键词:本体 本体语言 DAML+OIL OWL 语义网 语义网格 服务质量1.前 言Ontology在哲学领域常译为“存在论”,是指关于事物是否存在思考的学科。
在计算机科学和人工智能领域则译为“本体”,其词义与哲学中的“存在论”大相径邻。
1993年美国Stanford大学知识系统实验室的Gruber博士在文献[1]中定义:本体是用来帮助程序和人共享知识的概念的规范描述 (An ontology is the specification of conceptualizations, used to help programs and humans share knowledge.),后来该定义得到了进一步发展和完善[2]。
文献[1]还指出:概念化是关于世界上的实体,如:事物、事物之间的关系和约束条件的知识表达。
而规范一词是强调这种表达是用一种固定的形式来描述。
从我们已经阅读的多篇相关文献来看,几乎所有论文都接受了上述关于本体的定义。
迅速增加的Web页面数量、丰富的页面内容和时新的消息,为知识工程领域的科学家实现面向终端用户的应用研究、开发带来了极好的机会。
在Internet上实现基于语义的信息检索和情报收集,无疑是广大因特网用户的迫切需求。
知识图谱在智慧农业中的应用研究随着现代科学技术的不断发展,人们对智慧农业的追求也越来越高。
智慧农业是将现代信息技术与农业生产相结合,通过数据的采集、分析和利用,提高农业生产效率、降低成本、提升农产品质量、改善生态环境的一种农业生产模式。
而知识图谱作为一种基于知识的图形化模型,具有卓越的语义表示和知识推理能力,为智慧农业的实现提供了很好的解决方案。
本文将探讨知识图谱在智慧农业中的应用研究。
一、植物病虫害预测植物病虫害是农业生产中的一大难题,它会给作物的生长带来严重的影响。
为了减少植物病虫害对农业生产的影响,需要对其进行及时预测。
知识图谱可以将植物病虫害相关的知识图谱化,实现病虫害特征的自动提取和特定病虫害的推理,对植物病害的早期识别和发生预测提供数据支持。
这对于实现农业生产的智能化和精准化具有十分重要的作用。
二、种植规划与农田管理农田规模、作物生长环境、土壤肥力等因素都对农作物的生长发育产生着极大的影响。
通过建立种植规划数据的知识图谱,对不同种植方案进行分析,确定最佳作物的种植条件,进行种植范围的评估和人力资源的配置,进而提高农作物的产量和质量。
另一方面,通过农田管理的知识图谱化,可以收集并整合各种农业数据,对农作物的生长状况、土壤肥力等信息进行可视化展示,提高农业管理的智能化水平。
三、物联网的应用物联网技术是智慧农业的重要支撑技术之一。
利用传感器进行信息采集,可以实时采集作物生长环境下的各种指标数据,例如气温、土壤温度、湿度、光照强度等,将这些数据存储在知识图谱中,并通过智能算法进行数据分析和处理,实现对作物的监测、预测和风险评估。
同时,物联网技术还可以为种植者提供畜禽识别、物品追溯等农业服务,提高农业生产的服务水平。
四、农业知识共享在传统农业生产中,农民们处理和交流信息的方式比较匆忙、单一,不同种植者之间的交流也比较有限。
而知识图谱可以实现农业知识的共享,将农业专家的知识和经验进行化繁为简,构建知识图谱,让农民获得来自更广泛、更广泛领域专家的经验,提升农业生产发展水平。
语义网本体构建方式研究的开题报告一、研究背景随着互联网的进一步发展,越来越多的数据被发布在互联网上,数据量呈现爆炸式的增长。
而这些数据往往分散在各个网站、数据库及各种应用程序中,缺乏相应的结构化描述,难以进行有效的管理和利用。
语义网(Semantic Web)技术的出现,可以将这些数据以统一的方式互相链接和交换,为利用这些数据提供了更好的途径。
语义网建立在本体(Ontology)的基础上。
本体是一种用来描述事物之间概念关系的形式化表示方法,是语义网的核心。
本体描述了现实世界中的概念和概念之间的关系,使得计算机可以根据定义的本体进行知识推理,从而达到语义的理解和知识的共享的目标。
本体构建是语义网技术中的核心问题之一,其中包括本体的设计、本体的实现、本体的测试等一系列问题。
因此,如何有效地构建本体,一直是语义网相关研究的热点之一。
二、研究目的本研究旨在探讨语义网本体构建的方法和技术,通过对现有本体构建工具的研究与分析,设计和实现一个支持本体构建的工具,并对其进行测试和评估,以提高语义网本体构建的效率和质量。
三、研究内容1. 国内外研究现状的分析通过对语义网本体构建的相关文献进行全面的调研,了解国内外本体构建的研究现状和发展趋势,寻找当前研究存在的问题和不足。
2. 本体构建的方法和技术介绍本体的基本概念和本体构建的方法和技术,包括本体设计的基本原则,本体的开发过程,本体语言的选择,本体构建的工具和平台等方面的内容。
3. 本体构建工具的研究和设计基于现有的本体构建工具进行研究和分析,以及对本体构建应用的需求和技术特点进行综合考虑,设计和实现一个支持本体构建的工具。
4. 本体构建工具的测试和评估通过对所设计实现的本体构建工具进行测试和评估,探讨本体构建效率和质量的提升方法。
四、研究意义1. 对语义网本体构建方法和技术进行深入探究,为今后的本体构建工作提供参考和指导。
2. 开发一个支持本体构建的工具,可以提高本体构建的效率和质量,为推动语义网技术的发展做出贡献。
20l2年1月农机化研究第1期玉米病虫害诊治本体构建技术研究张伶子,段青玲,李道亮(中国农业大学信息与电气工程学院,北京100083)摘要:针对现有农业病虫害专家系统领域知识共享和重用困难、症状输入严重影响准确率等问题,研究了基于领域知识、推理知识和任务知识的本体构建技术。
同时,提出了基于分词、改进的词义消歧算法、同位词消歧及B N F范式形式化等自然语言处理步骤将症状描述训练集转化为本体形式,从而使专家系统引入本体技术,并利用其优势极大地改进了系统的健壮性及准确率。
关键词:玉米;本体;病虫害诊治;自然语言处理;同位词消歧;B N F范式中图分类号:F:¥1.35.132文献标识码:A文章编号:1003-188X(2012)01—0041-050引言近年来,专家系统的研究开发为解决病害频繁发生与领域专家缺乏的矛盾起到了积极的作用,这些研究不仅使专家知识和经验得到保留与发展,也为我国农业生产中疾病的诊治提供了优质的服务。
然而专家系统一直存在着多系统异构难合并、单个系统难扩充的问题,同时症状输入的不准确、不规则更是严重地影响其准确率。
随着信息技术的发展,本体技术能够很好地解决上述问题。
本体,可定义为“概念模型明确的规范说明”。
使用本体技术能够在特定领域(如农业病虫害诊治)形成统一的概念体系和系统化的理论,为诊治系统有组织地扩展和集成打下理论基础。
同时,本体作为机器语言,在提供比数据库更丰富的语法和语义信息的同时,可对多样的症状描述输入进行规范化、统一化管理和处理。
基于上述原因,笔者提出构建农业病虫害诊治本体的方法,将其分为领域本体、推理本体及任务本体分别进行总结和应用;提出模糊的症状描述语言到规范化语言的映射方法;设计并实现了具有推理诊断功能的农业病虫害诊治系统。
1相关工作收稿日期:201l—03—21基金项目:国家科技重大专项课题(2009ZX03001一09—01);天津市农业科技成果转化与推广项目(2009P106)作者简介:张伶子(1986一),女,河北承德人,硕士研究生,(E-m ai l) j obhunt l23@163.cor n。
知识图谱中的本体构建及语义检索技术研究随着信息时代的到来,海量的数据已经成为人们面临的一大挑战。
如果不能对数据进行有效地管理和处理,将会对人类生产和生活产生负面影响。
在这样的背景下,知识图谱应运而生。
知识图谱是指一种用于描述和组织关于现实世界中事物及其关系的计算机可读数据的图谱。
知识图谱促进了人工智能领域的发展,极大地推动了智能系统、机器学习、自然语言处理等技术的进步。
知识图谱的本质是将现实世界各种事物及其关系规范化为计算机可读的形式,这也就需要对现实世界进行精细化的建模。
在知识图谱中,本体构建是至关重要的一环。
本体是描述现实世界的一个形式化的结构,常用于储存和维护知识图谱中的信息,本体的作用是对现实世界的事物进行分类、属性描述和关系描述。
本体可以理解为描述知识背景的元数据,可以帮助我们更好地理解和组织所描述的知识图谱。
因此从本质上讲,本体是知识图谱的支撑和基础。
本体的构建是一个系统工程。
其主要目的是通过一系列的步骤,将人类对某一领域的知识和理论体系形式化为一个计算机可读的数据结构,以便于知识图谱的实现。
在本体构建的过程中,我们需要人工的进行领域知识的分析和挖掘,并将其转化为本体描述的形式。
本体描述是一个基于逻辑的语言,通常采用OWL语言进行描述。
在本体描述的过程中,需要对领域中的概念进行分类,定义这些概念的属性及其关系,并对这些关系进行规范化的描述。
在本体的构建过程中,我们通常会采用多种工具来辅助我们进行本体的构建和验证。
随着本体的构建和知识图谱的完善,如何有效地进行知识检索成为了研究的热点。
知识图谱中的语义检索技术则是解决这个问题的一个关键性的技术。
语义检索是一种基于语义知识进行检索的方法,其核心在于理解用户输入的询问,并基于本体和知识图谱进行推理并给出结果。
与传统的文本检索不同,语义检索能够克服语言语义鸿沟的问题,可以更加准确地响应用户的搜索请求。
语义检索技术的优点不仅体现在检索效果的提升,同时也可以帮助企业和机构提高业务流程的自动化水平。
基于语义网的农业知识本体研究摘要:随着农业信息技术的发展,“信息孤岛”成为了农业信息技术进一步发展的一个障碍,而资源的组织与描述是解决这一问题的前提。
基于语义网构建农业元数据和农业知识本体,从而实现农业信息资源的透明共享。
另外还根据面向服务的系统开发方法,研究分析了农业数据资源、农业软件资源和农业硬件资源的服务化方法。
关键词:语义网;农业信息资源;知识本体农业信息技术是农业科学和信息科学相互交叉渗透而产生的新的学科领域。
经过半个多世纪的发展,农业信息技术已产生了包括农业专家系统、精准农业、虚拟农业、管理信息系统、决策支持系统、信息化自动控制技术、农业信息网络、农业数据库系统等多个应用领域,这些成果在农业科研和农业生产中都取得了很大的经济效益和社会效益。
但是现有的系统都是独立的,同样的数据,需要这一数据的不同部门可能要分别去采集;同样的处理软件,每个系统都要开发自己的版本;许多昂贵的仪器设备,本单位并不经常使用,而需要的人却无法得到。
这就导致了不同领域之间、领域内部的各个系统之间资源是分散的、功能是独立的、结构是异构的,系统之间无法实现信息资源的共享,造成了大量的人力、物力和财力的浪费,这就使得解决农业信息资源共享问题成了当务之急。
要实现农业信息资源共享,首要难题是资源的组织与描述。
一、农业信息资源的组织农业信息资源来源复杂,类型异构,分布在不同的地理位置。
这些农业信息资源如果不能进行有效的组织,就很难保证资源之间的兼容性和互操作性,对资源的使用效率就很难达到应有的要求。
要实现资源的兼容性和互操作性,就必需达到三个基本的要求:资源的服务化、虚拟化和层次化。
(一)农业信息资源的服务化农业信息资源的服务化就是为了实现用户对农业信息资源的透明访问,由资源提供者事先将资源封装并以服务的形式发布,用户可以通过访问封装过的服务使用相关的农业资源。
(二)农业信息资源的虚拟化资源虚拟化将使分散在不同地理位置上的、异构的资源融合在一起,对用户提供透明服务。
在访问信息的时候,资源使用者不需要考虑其所在的位置,只需提交问题请求,然后得到的就是问题解决后的结果,这一过程都是自动完成的,对用户来说都是透明的。
农业信息资源的服务化是农业信息资源虚拟化的基础。
(三)农业信息资源的层次化在资源服务化的时候,首先要进行资源的元子化,然后将每个元子化的资源再封装成元服务,资源共享系统可以根据不同的应用组合元服务以满足需求。
农业信息资源可以采用资源树的组织方式,实现资源的层次化访问。
二、农业信息资源的描述(一)农业信息资源的语义化资源描述本身不仅要让人能够无歧义地理解所描述的资源,要实现资源的共享,更重要的是要让机器也能相互理解所描述的资源信息。
当前,互联网信息量大且增长速度惊人,但由于计算机不理解网页内容的语义,信息的处理无法通过计算机自动完成,即使通过搜索引擎也很难保证数据查找的准确性。
这是由于互联网是按“地址”,而非“语义”来定位信息资源,语义网的出现很好地解决了这一问题。
所谓“语义网”,通俗地说,是按照能表达网页内容的“词语”链接起来的全球信息网,或者说是用机器很容易理解和处理的方式链接起来的全球数据库。
语义网有助于信息与智能的共享,使网络有能力提供动态与主动的服务,从而更利于人机之间的对话和协同工作。
语义网的实现需要以下三个层次。
1、元数据(Metadata)。
是描述数据及其环境的数据,元数据能很好地解决资源描述、资源发现、认证、互操作、数据管理、访问控制、数字化保藏、内容分级等问题。
2、“资源描述框架”RDF(Reso-urce Description Framework)。
采用“资源-属性-属性值”三元组来提供一种框架容器,并通过XML定义一套形式化的方法,为机器语义的理解提供结构基础。
3、知识本体(ontology)。
可以被看成是领域知识规范的抽象和描述,以及表达、共享、重用知识的方法。
知识本体的目标是捕获相关领域的知识,提供对该领域知识的共同理解,确定该领域内共同认可的词汇,并从不同层次的形式化模式上给出这些词汇和词汇间相互关系的明确定义。
为了便于计算机理解和处理,知识本体需要用一定的编码语言明确表达并形成体系。
(二)农业元数据为了实现语义化的资源描述,它的第一层次就是要定义一套元数据,以描述资源。
为此,我们结合农业的实际情况将农业资源元数据分为标识元数据,履历元数据,内容元数据,数据集元数据和服务元数据。
其中标识元数据包括标题(Title)、标签(Ticker)、标识(Identifier);履历元数据包括发布者(Publisher)、发布者标识(PublisherID)、创建者(Creator)、主题(Subject)、描述(Description)、贡献者(Contributor)、日期(Date)、版本(Version)、资源参考(ReferenceURL)、联系方式(Contact);内容元数据包括类型(Type)、范畴(Coverage)、内容等级(ContentLevel)、机构(Facility)、设备(Instrument)、格式(Format)、权限(Rights);服务元数据(接口元数据)包括服务接口URL(ServiceInterfaceURL)、服务基准URL (ServiceBaseURL)、HTTP服务接口返回结果(ServiceHTTPResults);服务元数据(功能元数据)包括服务标准URI(ServiceStandardURI)、服务标准URL(ServiceStandardURL)、服务最大搜索范围(ServiceMSR)等。
(三)农业知识本体农业知识本体就是刻画农业领域实体、属性、关系和过程的一种模型,目的是让农业知识更好的重用、共享和处理。
农业知识可分为三部分:农业劳动对象、农业劳动资料和农业生产过程,其中劳动对象又可以进一步分为作物、经济动物、土壤等,劳动资料可以分为农业工程、生产技术、农业生态环境和营养与保护等,生产过程可以分为作物生产过程和动物生产过程。
根据这种农业知识划分和本体的思想可以构建农业知识本体体系,该体系以劳动对象为体系中心,其他农业知识通过关系与之连通,也就是可以从劳动对象出发找到相关的知识,比如,相应的政策、法规和知名专家等。
三、农业信息资源服务化的实现资源服务化是农业信息资源共享的基础,根据农业资源的特点,我们将农业信息资源分成三类来实现。
(一)农业数据资源服务化数据资源是农业科研和农业生产中应用最为广泛的一类资源,在农业信息资源共享中首先要实现农业数据资源的服务化。
服务化将完成对农业数据资源的服务化封装,用户通过服务接口使用服务。
农业数据资源的服务化过程为:首先将农业数据资源划分为元资源,然后将元资源封装为元服务,那么任何对农业数据资源的服务请求都可以转化为多个元服务的组合,从而实现复杂的农业数据资源服务请求。
(二)农业软件资源服务化农业软件资源服务化就是解决现存的农业应用系统的共享问题,可以根据农业软件资源的特点采用两种方法来实现农业软件资源的服务化:一是对软件本身进行改造,使得它本身成为一个共享服务,这种方法主要针对开源软件;二是软件本身不动,通过给软件加一个代理,负责软件与用户之间的交互。
第一种方法具有针对性,对每个不同的软件都得重做一次,而对于第二种方法,具有一定的通用性,很多软件可以共用一个代理,但不足就是不太适用于与用户交互太多的软件和图形界面的软件。
(三)农业硬件资源服务化农业的硬件资源主要是农业仪器设备,由于农业仪器设备个体的独特性,对农业硬件资源的服务封装可以分以下两个步骤完成。
第一,把农业硬件资源的静态属性及动态属性抽象出来,描述成服务数据。
首先采用标准的XML规范来定义语义字典,语义字典为资源属性定义提供了统一的规范,使服务和用户之间对服务描述没有歧义,为服务搜索和发现提供保障。
然后根据语义字典,确定各种设备的属性,包括静态属性(如,设备名称、设备类型等)和动态属性(如,使用费用、当前设备工作状态、完成任务百分比等)。
第二,用网络服务描述文件,描述农业硬件资源服务接口。
网络服务描述语言用于描述服务各个方面,包括服务所在的位置、支持的传输协议、其中包含的接口、接口中的方法以及方法的参数类型等。
网络服务描述语言首先对访问的操作和访问时使用的请求/响应消息进行抽象描述,然后将其绑定到具体的传输协议和消息格式上,以最终定义具体部署的服务访问点。
相关的具体部署的服务访问点通过组合就成为抽象的仪器服务。
由于网络服务描述语言是以XML作为语法基础的,因此,各种开发环境能够采取程序化的手段来分析农业硬件资源服务,并在开发环境中生成相应的程序接口,以实现开发的无缝链接。
四、总结与展望基于语义网的农业知识本体的研究有利于农业信息资源的组织与描述,下一步需要对农业元数据、农业知识本体进行进一步细化,并结合物联网技术的发展,建设农业物联网,实现农业信息资源共享的透明化,充分发挥资源的经济效益和社会效益,为农业现代化服务。
参考文献:[1]张佩云,宫秀文,谢荣见.农业信息资源共享与信息服务系统构建研究[J].计算机技术与发展,2013(11).[2]Ru Qi Zhou. A New Method of Semantic Network Knowledge Representation Based on Extended Petri Net [J].计算机技术与应用(英文),2013(5).[3]赵冬,牛强,刘晓明.知识本体的检索机制研究[J].微电子学与计算机,2011(10).[4]王曼,吴振忠.基于领域本体的语义搜索——带权最短路径方法[J].计算机与现代化,2013(9).[5]汤敏丽.基于语义网的本体整合技术研究[J].凯里学院学报,2013(6).[6]李兴春.计算机信息检索中的本体构建研究[J].重庆文理学院学报,2013(3).[7]岳英,万映红,姜立权.基于顾客需求管理先验知识本体的数据挖掘改进方法研究[J].情报理论与实践,2012(1).[8]邵忻.语义网与本体[J].电脑编程技巧与维护,2013(10).[9]金燕,王志华.基于推理的语义网检索模型及关键技术研究[J].计算机工程与设计,2013(7).[10]何佳,曹春萍.基于扩展的语义网络的过程知识表示的研究[J].信息技术,2013(4).。