期刊文献+

基于云变换的农业领域知识概念提取 预览

Research on Method of Knowledge Concept Extraction from Agricultural Domain Based on Cloud Transformation
在线阅读 下载PDF
收藏 分享 导出
摘要 针对农业领域本体知识概念层次构建中多概念生成时复杂度高、耗时长及聚合度低的缺点.提出一种改进的云变换方法。通过K·Means++聚类对数据集初始筛选,然后根据细化后问题域中的数据分布快速、自动地进行信息准确划分及不同概念定性提取,使得最终的概念层次能够更加贴近实际。选用茶学数据作为实验样本对该方法进行分析与验证,结果表明了该方法的正确性和有效性。 Aiming at the disadvantages of high complexity, time consuming and low aggregation in the generation of multi-knowledge concepts in the agriculture domain, an improved cloud transform method is proposed. Though the initial selection of data sets by K- Means + + clustering, the qualitative information is automatically and rapidly extracted and divided into different concepts according to the data distribution in the refined problem domain, so that the final concept level can be closer to the reality. In this paper, the meth- od is verified by the experimental sample with tea science data. The result shows the effectiveness and correctness of the proposed method.
作者 杨阳 李绍稳 YANG Yang, LI Shaowen (Anhui Agricultural University, Hefei 230036, China)
出处 《洛阳理工学院学报:自然科学版》 2018年第1期54-58,63共6页 Journal of Luoyang Institute of Science and Technology (Natural Science Edition)
基金 国家自然科学基金项目(31271615).
关键词 农业本体 云变换 概念抽取 K-Means++ agricultural ontology cloud transform concept extraction K-Means + +
作者简介 杨阳(1991-),男,安徽六安人,在读硕士研究生,主要从事农业信息处理、人工智能方面的研究.
  • 相关文献

参考文献9

二级参考文献89

共引文献363

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈