茶学领域如何用的上计算机,茶学领域本体自适应学习方法研究-计算机应用技术专业论文 word格式.docx...

茶学领域本体自适应学习方法研究-计算机应用技术专业论文 word格式

摘要本体学习(Ontology Learning)是自动或半自动构建本体的一系列方法和技术，它 对本体建模具有积极的推动作用，主要体现在能够减少手工构建本体繁杂的人力消耗 和提高本体构建质量等方面。然而，我们在开展农业领域本体建模与本体学习研究过 程中，发现农业知识语料库里的信息是在持续增长并不断变化的，为使所建本体能够 主动适应这种变化，开展农业领域本体自适应学习理论与方法的研究就显得尤为必要 和重要。本研究在已有成果的基础上，针对茶学领域本体学习的自适应问题，重点开展茶 学领域本体自适应学习方法的研究，主要包括茶学领域概念的自适应提取方法、茶学 领域概念间关系的自适应提取方法以及茶学领域本体自适应学习原型系统设计三个 方面。论文研究的主要内容如下：1、提出了茶学领域概念的自适应提取方法。构建贝叶斯网络，结合上下文依赖分析、互信息技术和领域度判断等算法，通过贝叶斯网络的逆向推理，实现茶学领域 概念的自适应提取。2、提出了茶学领域概念间关系的自适应提取方法。通过概念聚类和簇聚类的方 法提取茶学领域概念间分类关系，使用贝叶斯网络逆向推理，实现茶学领域概念间分 类关系的自适应提取。3、开发了茶学领域本体自适应学习原型系统。在 Eclipse 平台上采用 Servlet / JSP 技术，开发一个茶学领域本体自适应学习原型系统，实验验证了文中所用理论与方法 的正确性。论文研究对于农业领域本体建模理论与方法的深入研究，大规模构建农业领域本 体，进一步建立农业语义网络与知识网格，实现农业领域知识的充分共享和协同服务， 具有一定的理论价值和实际意义。关键词 领域本体，茶学本体，本体学习，自适应学习AbstractOntology learning is a series of methods and technologies of constructing ontology automatically or semi-automatically, which greatly promotes the research of ontology modeling, mainly reflected in not only reducing manpower on the complex hand-built ontology also improving ontology construction quality. However, in our process of ontology modeling and ontology studying and researching in the field of agriculture, information in the tea domain knowledge corpus is found to remain increasing and changing continuously. In order to adjust the ontology established to these changes on its own, it is necessary and important to do research on the learning theory and methods of ontology adaptive learning in agricultural domain.Based on the existing research achievement, and concentrating on the tea domain adaptive problems on ontology learning, this paper studies with emphasis the method of tea domain ontology adaptive learning, mainly including adaptive extraction of tea domain concepts, adaptive extraction of tea domain relations between concepts and the integrated model design of adaptive ontology learning model system of tea domain. The main contents and achieved results are as follows.This paper proposes adaptively extracting the tea domain concepts. The proposed method c