期刊介绍
期刊导读
- 03/14预防小麦条锈病 陕西省农业农村厅发布提醒
- 03/14章丘区枣园街道:发展壮大特色农业产业,绘出
- 03/14“艺术+景观”颠覆传统农业……成都又一网红打
- 03/14高人气Steam沙盒游戏推荐,《ATLAS》农业发展是立
- 03/14农业重大科技成果!桑叶、蚕蛹有如此医药功效
基于可拓语义的农产品生产销售知识检索(3)
在图2中,“生菜”和“小白菜”的父节点是“叶菜类”,根据式(3)可以计算得到“叶菜类”的概率为1/5,这样根据式(4)计算出“叶菜类”的信息量为 0.699,最后由式(5)得到“生菜”和“小白菜”的信息相似度为0.699。
在图2中,“生菜”和“小白菜”的高度均为4,结合式(9)算得到,节点深度是 8。在图 2所示的树中,最大度为3,“生菜”和“小白菜”父节点的度也是3,利用式(10)节点密度是1。最终利用公式11二者语义距离为2.067。
根据上文计算“生菜”和“小白菜”的深度,可得到λ=μ=1/2,参照表1中的属性,“生菜”和“小白菜”的共有属性为5,利用式(12)(13)性相似度为0.625。
最终,利用式(14)算出“生菜”和“小白菜”的语义相似度为0.785。
4.2 分析
根据项目需求分析和实际情况,得到对概念影响较大的属性并确定相应描述和数值,建立物元模型,对所有农业信息进行物元表示,然后根据调研结果将这些农作物的物元采用树的结构存储,建立农作物物元的树形结构,最后计算语义相似度。本文现只选取图2中的部分概念进行语义相似度计算。
为了更好地验证本文算法的准确性,采用文献[1]中的算法和目前常用的计算方法与本文算法进行对比,表 2为三种算法语义相似度计算结果。
表2 三种算法语义相似度计算结果Tab.2 Semantic similarity calculation results of three algorithms序号 概念 本文算法 文献[1]算法 一般算法1 Sim(生菜,小白菜) 0.785 0.762 0.613 2 Sim(小白菜,豆角) 0.573 0.498 0.363 3 Sim(豆角,莲藕) 0.398 0.298 0.188 4 Sim(生菜,豆角) 0.573 0.498 0.363 5 Sim(金桔,莲藕) 0.397 0.155 0.050 6 Sim(金桔,柠檬) 0.665 0.792 0.588
图3是三种算法的语义相似度计算结果的对比图,其中横坐标代表用于计算语义相似度的概念对,纵坐标代表数值,蓝色、橘色和灰色折线分别代表本文算法、文献[1]算法和一般算法的计算结果。
图3 三种算法计算结果对比图Fig.3 Comparison of calculation results of three algorithms
根据图 3我们可以看出上述三种算法的走势基本相同,其中在三种算法中相似度最高的均是金桔和柠檬,最低的是金桔和莲藕。
为方便比较三种算法的准确度,本文采用灵敏度比较,如式(15)所示:
其中,φmax为优选中最大值,φsec为优选中的次大值。
三种算法的灵敏度如表3所示。
表3 三种算法灵敏度比较Tab.3 Comparison of the sensitivity of the three algorithms本文算法 文献[1]算法 一般算法灵敏度/% 15.29 3.79 4.08
可见本文算法有较高的灵敏性,可以应用到实际案例中。
5 系统实现
本文所描述的农产品生产销售知识检索系统采用Java语言,数据库使用MySql完成。
通过采用上文所述流程,完成需求分析,信息采集,将数据以物元形式提供给计算机,完成语义相似度计算后,知识检索的结果采用语义相似度由高到低的顺序排列,提供给用户。
6 结论
本文改进了一种新的语义相似度算法并成功应用与农产品的生产销售平台,该算法从信息量、语义距离、属性等三个方面进行分析,最后进行加权计算。充分考虑各个影响因素的同时,联系实际情况,研究各个因素对实验结果的影响程度,得到参数值,物元模型的应用直观形象地展现各个信息的概念、关系和属性,提高语义相似度的计算效率,节约存储空间。同时,为农产品的供需双方建立一个便捷可靠地平台。但是本文仍存在一些问题,计算结果容易受到主观因素的影响,这是需要继续研究的问题。
[1] 索俊锋, 刘勇.基于农业本体的语义相似度算法及其在农作物本体中的应用[J].农业工程学报, 2016, 32(16): Jun-feng, LIU Similarity Algorithm Based on Agricultural Ontology and Its Application on Crop Ontology[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016,32(16): 175-182.
[2] 马永起, 韩德培, 蒙立荣, 等.基于How-net的词语语义相似度算法[J].计算机工程, 2018, 44(06): Yong-qi, HAN De-pei, MENG Li-rong, et Semantic Similarity Algorithm Based on How-net[J].Computer Engineering, 2018, 44(06): 151-155.
[3] 张弛, 周艳玲, 张贯虹.基于加权语义网的文本相似度计算方法研究[J].赤峰学院学报(自然科学版), 2019, 35(05): Chi, ZHOU Yan-ling, ZHANG on Text Similarity Calculation Method Based on Weighted Semantic Web.[J].Journal of Chifeng University (Natural Science Edition), 2019, 35(05): 19-23.
[4] 张思琪.基于WordNet的语义相似度计算方法的研究与应用[D].北京交通大学, and Application of Word Net-Based Semantic Similarity Measuremen[D].Journal of Beijing Jiaotong University, 2016.
文章来源:《农业与技术》 网址: http://www.nyyjszzs.cn/qikandaodu/2021/0313/1519.html
上一篇:内燃机机械增压技术与性能评价分析
下一篇:新农村建设环境下农业经济管理优化策略研究