國帥 司海平

摘要：農(nóng)業(yè)是我國社會經(jīng)濟(jì)發(fā)展的支柱性產(chǎn)業(yè)之一，農(nóng)村作為農(nóng)業(yè)活動的基地，其信息化建設(shè)將推動傳統(tǒng)農(nóng)業(yè)的種植生產(chǎn)、監(jiān)控管理、市場營銷等飛速發(fā)展。以農(nóng)村信息化服務(wù)平臺為研究對象，圍繞此平臺利用OWL、Protégé軟件構(gòu)建農(nóng)業(yè)領(lǐng)域本體，基于農(nóng)業(yè)領(lǐng)域本體與平臺用戶注冊信息構(gòu)建用戶初始模型，計(jì)算用戶對平臺資源的初始興趣度;然后利用正面學(xué)習(xí)與反饋學(xué)習(xí)方法，從用戶日志與用戶反饋中獲取用戶對平臺資源的動態(tài)需求，進(jìn)而對初始興趣度進(jìn)行更新，以更為準(zhǔn)確地貼合用戶動態(tài)知識需求，構(gòu)建動態(tài)變化的用戶模型。

關(guān)鍵詞：領(lǐng)域本體;農(nóng)村信息化服務(wù);用戶模型

中圖分類號： S126文獻(xiàn)標(biāo)志碼： A文章編號：1002-1302（2020）13-0251-05

收稿日期：2019-08-13

基金項(xiàng)目：河南省科技惠民計(jì)劃（編號：152207110002）。

作者簡介：國帥（1995—），男，河南汝南人，碩士研究生，從事農(nóng)業(yè)信息技術(shù)研究。E-mail：631768265@qq.com。

通信作者：司海平，博士，副教授，從事農(nóng)業(yè)信息化、農(nóng)業(yè)大數(shù)據(jù)、計(jì)算機(jī)應(yīng)用技術(shù)研究。E-mail：pingsss@126.com。農(nóng)村信息化服務(wù)平臺是智慧農(nóng)業(yè)的重要構(gòu)成部分，也是適應(yīng)“三農(nóng)”（指農(nóng)業(yè)、農(nóng)村、農(nóng)民）發(fā)展和精準(zhǔn)扶貧要求的農(nóng)村信息化支撐體系，依托數(shù)據(jù)庫管理技術(shù)對農(nóng)業(yè)領(lǐng)域的銷售動態(tài)、市場供求、政策法規(guī)、農(nóng)業(yè)情報(bào)、科普知識、實(shí)用技術(shù)等進(jìn)行整合集成與統(tǒng)籌管理，為農(nóng)技人員、涉農(nóng)企業(yè)、批發(fā)市場、種養(yǎng)專業(yè)戶以及廣大農(nóng)民提供個(gè)性化、交互式的農(nóng)業(yè)綜合信息檢索服務(wù)[1]。農(nóng)村綜合信息服務(wù)平臺所面向的服務(wù)對象眾多，所管理的涉農(nóng)信息龐雜、所服務(wù)的地域廣泛、所面對的信息需求多樣，如何為平臺用戶提供精準(zhǔn)的農(nóng)業(yè)信息服務(wù)，有效滿足平臺用戶特定的知識需求是當(dāng)前農(nóng)村信息化服務(wù)平臺面臨的關(guān)鍵問題。當(dāng)前，計(jì)算機(jī)領(lǐng)域內(nèi)常用的檢索引擎普遍以用戶輸入的關(guān)鍵詞為數(shù)據(jù)庫檢索對象，以關(guān)鍵詞的文字正則匹配為核心算法[2]，缺乏對關(guān)鍵詞的語義理解與關(guān)聯(lián)，更無法針對用戶動態(tài)、個(gè)性的知識需求提供有效的信息服務(wù)，檢索結(jié)果的通用性導(dǎo)致面向特定用戶的信息泛濫，用戶感興趣的信息會淹沒、流失在海量信息資源中[3]。

用戶模型是以用戶的身份職業(yè)、知識結(jié)構(gòu)、興趣偏好以及動態(tài)需求等為核心所構(gòu)建的用戶畫像，是綜合描述用戶個(gè)體差異化特性的模型?；谟脩裟Ｐ退扑]的信息資源更具針對性與個(gè)性化，更為貼合用戶的實(shí)際、潛在的知識檢索需求，是當(dāng)前應(yīng)對海量信息精準(zhǔn)檢索與推薦、提高檢索結(jié)果與用戶需求之間重合度的重要方法。當(dāng)前用戶模型構(gòu)建方法主要分為手工定制、示例建模與自動建模三大類，其中手工定制與示例建模均須依賴用戶操作，一方面用戶操作的主觀能動性直接關(guān)系到模型刻畫的準(zhǔn)確度，另一方面用戶參與會降低建模效率，難以實(shí)時(shí)動態(tài)更新用戶需求描述模型。自動建模是系統(tǒng)根據(jù)用戶的各類行為，如檢索、瀏覽、下載等，對用戶的需求興趣點(diǎn)進(jìn)行捕捉，構(gòu)建反映用戶行為特點(diǎn)與潛在需求的用戶模型，其建?？陀^性與建模效率均較高，且能夠根據(jù)用戶源源不斷的行為對用戶需求模型進(jìn)行更新與優(yōu)化，是個(gè)性化推薦系統(tǒng)中最常用的用戶模型構(gòu)建方法?；诒倔w的用戶建模方法是一種典型的自動建模方法，依托對領(lǐng)域內(nèi)知識的概念化與共享化實(shí)現(xiàn)信息的共享與重用，本研究將基于本體的用戶建模方法引入到農(nóng)村信息化服務(wù)平臺中，以期為涉農(nóng)信息的精準(zhǔn)檢索與個(gè)性化推薦提供服務(wù)支撐。

1農(nóng)業(yè)領(lǐng)域本體構(gòu)建

1.1本體

本體是對共享概念模型的明確的形式化規(guī)范說明，多著眼于某一特定領(lǐng)域，對領(lǐng)域內(nèi)的知識進(jìn)行抽象與概念化，使其更具歸納性地對領(lǐng)域內(nèi)的信息以及信息之間的關(guān)聯(lián)關(guān)系進(jìn)行描述與表達(dá)，在不同交流體之間得以有效共享與重用。某一專業(yè)領(lǐng)域的本體庫受到其固定的知識范圍、明確的知識概念等因素影響，本體庫的體量以及復(fù)雜程度相對有限，通常采用自上而下的構(gòu)建方法對本體庫進(jìn)行構(gòu)建[4]。當(dāng)前在本體庫構(gòu)建中常用的本體描述語言包括資源描述框架（resource description framework，簡稱RDFS）、本體交換語言（ontology exchange language，簡稱XOL）、網(wǎng)絡(luò)本體語言（web ontology language，簡稱OWL）等，其中，OWL是萬維網(wǎng)聯(lián)盟（world wide web consortium，簡稱W3C）推薦的語義網(wǎng)技術(shù)棧的核心技術(shù)之一，在全球廣域網(wǎng)（world wide web，簡稱Web）環(huán)境與場景下應(yīng)用較為普遍，且具有較強(qiáng)的本體表達(dá)能力，作為RDFS的拓展版，其預(yù)定義詞匯功能為用戶更為準(zhǔn)確地表達(dá)專業(yè)領(lǐng)域的實(shí)體、屬性及其相互關(guān)系提供了良好的渠道[5]。

1.2農(nóng)業(yè)領(lǐng)域本體

對于農(nóng)業(yè)這一專業(yè)領(lǐng)域，本體庫是依據(jù)農(nóng)業(yè)實(shí)體中的相關(guān)概念與特征對農(nóng)業(yè)領(lǐng)域進(jìn)行抽象模型構(gòu)建而形成的庫。當(dāng)前聯(lián)合國糧食及農(nóng)業(yè)組織（FAO）已面向不同農(nóng)業(yè)子領(lǐng)域如漁業(yè)、食品安全、植物等定義了多個(gè)本體庫[6]，但是面向農(nóng)村信息化服務(wù)平臺應(yīng)用的專門農(nóng)業(yè)領(lǐng)域本體庫尚未構(gòu)建。面向農(nóng)村信息化服務(wù)平臺應(yīng)用的農(nóng)業(yè)領(lǐng)域本體庫的構(gòu)建首先需要對本體描述語言進(jìn)行選擇與確定，考慮到平臺中農(nóng)業(yè)信息資源的存儲環(huán)境多為Web端，OWL自身也具備優(yōu)質(zhì)的、豐富的知識表達(dá)能力以及靈活的數(shù)據(jù)建模能力[7]，因此，本研究選擇OWL作為農(nóng)業(yè)領(lǐng)域本體描述語言，并基于此構(gòu)建農(nóng)業(yè)領(lǐng)域本體庫，具體實(shí)現(xiàn)流程如下：

1.2.1概念抽象對平臺中農(nóng)業(yè)領(lǐng)域的實(shí)體重要概念與主要特征進(jìn)行描述，主要包括生產(chǎn)對象、農(nóng)機(jī)設(shè)備、涉農(nóng)技術(shù)、生產(chǎn)過程等，對上述概念進(jìn)一步細(xì)化，生產(chǎn)對象包括作物、動物、土壤等，農(nóng)機(jī)設(shè)備包括耕耘機(jī)、插秧機(jī)、播種機(jī)、脫粒機(jī)、抽水機(jī)、拖拉機(jī)、收割機(jī)、打捆機(jī)等，涉農(nóng)技術(shù)包括作物種植技術(shù)、動物養(yǎng)殖技術(shù)、土壤培育技術(shù)等，生產(chǎn)過程包括動物生產(chǎn)過程等。

1.2.2概念定義對“1.2.1”節(jié)中抽象出的概念進(jìn)行定義，在本體庫中，所有的類都是物品Thing類的子類，上述概念生產(chǎn)對象、農(nóng)機(jī)設(shè)備、涉農(nóng)技術(shù)、生產(chǎn)過程的類分別定義為Object、Equipment、Technology、Process，上述概念所具備的屬性與詳細(xì)描述見表1。

1.2.3約束條件定義在“1.2.2”節(jié)對農(nóng)業(yè)領(lǐng)域相關(guān)實(shí)體及其屬性定義的基礎(chǔ)上，須要對其實(shí)體之間的約束條件進(jìn)行定義，例如Object類中的勞動手段與Technology類中的涉農(nóng)技術(shù)二者之間是互為互逆關(guān)系的，通過對實(shí)體及其屬性構(gòu)建約束條件，可以更為精確地描述農(nóng)業(yè)領(lǐng)域本體庫。

1.2.4本體庫構(gòu)建在農(nóng)業(yè)領(lǐng)域的實(shí)體、屬性、約束條件等定義的基礎(chǔ)上，本研究采用Protégé軟件對本體進(jìn)行編輯，以O(shè)WL為本體描述語言，構(gòu)建面向農(nóng)村信息化服務(wù)平臺的農(nóng)業(yè)領(lǐng)域本體庫。

（1）本體類定義。

Object類定義：

###http：//www.Object_kq.com#Object

：Objectrdf：typeowl：Class.

Equipment類定義：

###http：//www.Object_kq.com#Equipment

：Equipmentrdf：typeowl：Class.

Technology類定義：

###http：//www.Object_kq.com#Technology

：Technologyrdf：typeowl：Class.

Process類定義：

###http：//www.Object_kq.com#Process

：Process rdf：typeowl：Class.

（2）部分對象屬性定義。

勞動手段objectTechnology對象屬性定義：

###http：//www.movie_kq.com#directMovie

：objectTechnologyrdf：typeowl：ObjectProperty;

owl：inverseOf：technologyObject

rdfs：domain：Technology;

rdfs：range：Object;

（3）部分?jǐn)?shù)據(jù)屬性定義。

生產(chǎn)對象類型objectType數(shù)據(jù)屬性定義：

###http：//www.movie_kq.com#objectType

：objectTyperdf：typeowl：DataProperty;

rdfs：domain：Object;

rdfs：rangexsd：enum;

農(nóng)機(jī)設(shè)備使用年限equipmentYear數(shù)據(jù)屬性定義：

###http：//www.movie_kq.com#equipmentYear

：equipmentYearrdf：typeowl：DataProperty;

rdfs：domain：Equipment;

rdfs：rangexsd：DateTime;

1.2.5創(chuàng)建本體實(shí)例“1.2.1”節(jié)至“1.2.4”節(jié)步驟可以實(shí)現(xiàn)基于OWL與Protégé的農(nóng)業(yè)領(lǐng)域本體庫構(gòu)建，在本體庫具體應(yīng)用中，須要對本體與屬性進(jìn)行實(shí)例化，創(chuàng)建農(nóng)業(yè)領(lǐng)域本體實(shí)例。

2基于本體的用戶模型構(gòu)建思路

用戶模型是對用戶知識結(jié)構(gòu)與興趣愛好的綜合描述，一方面用戶模型要在初始階段為每個(gè)用戶個(gè)體建立1個(gè)初始模型，此初始模型源起于用戶知識結(jié)構(gòu)，另一方面用戶模型應(yīng)當(dāng)伴隨著用戶興趣偏好的變化而動態(tài)更新，以更為精準(zhǔn)地捕獲用戶個(gè)性化需求?；谶@一認(rèn)知，本研究農(nóng)村信息化服務(wù)平臺用戶模型的構(gòu)建思路如下。

2.1構(gòu)建初始用戶模型

本研究中，領(lǐng)域本體中蘊(yùn)藏了農(nóng)業(yè)領(lǐng)域的實(shí)體、屬性與實(shí)體關(guān)系等信息，可以通過三元組較為全面、準(zhǔn)確地對農(nóng)業(yè)領(lǐng)域?qū)嶓w進(jìn)行表達(dá)與描述，例如農(nóng)業(yè)領(lǐng)域中的Object類與Technology類，二者各自有各自的屬性，同時(shí)二者又通過“勞動手段”等對象屬性進(jìn)行關(guān)聯(lián)，構(gòu)成了農(nóng)業(yè)領(lǐng)域知識結(jié)構(gòu)，同時(shí)也被作為奠定用戶知識結(jié)構(gòu)的基礎(chǔ)。

初始用戶模型在農(nóng)業(yè)領(lǐng)域知識結(jié)構(gòu)的基礎(chǔ)上增加用戶個(gè)性化信息。對于農(nóng)村信息化服務(wù)平臺而言，游客僅能對平臺的概括性、介紹性信息進(jìn)行瀏覽，不是平臺的深度用戶，也非本研究關(guān)注的研究對象。平臺中的重要資源、數(shù)據(jù)與服務(wù)均面向注冊用戶，本研究以此類深度用戶為研究對象，用戶個(gè)性化信息來源于農(nóng)村信息化服務(wù)平臺中詳細(xì)的用戶注冊信息，包括用戶的職業(yè)、年齡、電話、所在地區(qū)、研究關(guān)注方向等，隱藏了用戶個(gè)性化特征，例如用戶的職業(yè)隱性反映其興趣，研究關(guān)注方向可通過與領(lǐng)域本體概念的相似度計(jì)算顯性反映用戶對資源的興趣度。

2.2用戶模型更新

初始用戶模型是基于農(nóng)業(yè)領(lǐng)域知識以及用戶注冊信息構(gòu)建的基礎(chǔ)性、固化性、具有一定個(gè)體代表性的用戶模型。用戶模型更新需要在此初始用戶模型的基礎(chǔ)上進(jìn)行優(yōu)化更新，以更為精準(zhǔn)、動態(tài)地捕捉用戶知識需求。用戶模型更新的學(xué)習(xí)方法主要包括正面學(xué)習(xí)、觀察學(xué)習(xí)、反饋學(xué)習(xí)等，對于農(nóng)村信息化服務(wù)平臺而言，主要以正面學(xué)習(xí)與反饋學(xué)習(xí)為學(xué)習(xí)方法，一方面，通過平臺實(shí)時(shí)監(jiān)測、自動保存的用戶日志正面反映用戶對平臺的歷史查詢檢索行為，包括檢索關(guān)鍵詞、關(guān)鍵詞所屬興趣領(lǐng)域、平臺資源瀏覽時(shí)間。另一方面，通過用戶對平臺資源的反饋信息，如“點(diǎn)贊”“評論”等，作為統(tǒng)計(jì)數(shù)據(jù)表達(dá)用戶對某資源的關(guān)注度。

3基于本體的農(nóng)村信息化服務(wù)平臺用戶模型構(gòu)建

3.1構(gòu)建初始用戶模型

面向農(nóng)村信息化服務(wù)平臺的初始用戶模型（UModel）可表達(dá)如下：

UModel={Uinfo，Rinfo，Interest}。（1）

式中：Uinfo為用戶信息;Rinfo為平臺資源信息;Interest為用戶對平臺資源的興趣度。

用戶信息由用戶注冊信息構(gòu)成，可表達(dá)如下：

Uinfo={Uname，Uphone，Uage，Uregion，Ujob，Ustudy}。（2）

式中：Uname為用戶姓名;Uphone為用戶聯(lián)系方式;Uage為用戶年齡;Uregion為用戶所在區(qū)域;Ujob為用戶職業(yè);Ustudy為用戶所關(guān)注的研究方向。

平臺資源信息為農(nóng)村信息化服務(wù)平臺所存儲與管理的資源信息，可表達(dá)如下：

Rinfo={Notion，Resource，Similarity}。（3）

式中：Notion為本研究所構(gòu)建的農(nóng)業(yè)領(lǐng)域本體中的概念;Resource為農(nóng)村信息化服務(wù)平臺中管理的資源與數(shù)據(jù);Similarity為資源與概念之間的語義相似度。

3.1.1資源與概念之間的相似度計(jì)算資源與概念的相似度計(jì)算主要步驟如下。

3.1.1.1平臺資源映射到低維向量空間中采用嵌入式轉(zhuǎn)化模型（translating embedding，簡稱TransE）作為平臺資源關(guān)鍵信息的表示學(xué)習(xí)方法[8]，將平臺資源關(guān)鍵信息所映射的實(shí)體與關(guān)系嵌入到一個(gè)低維向量空間中，實(shí)現(xiàn)實(shí)體與關(guān)系的向量化表示，其表達(dá)式如下：

Resource=（V，E）。（4）

式中：Resource為農(nóng)村信息化服務(wù)平臺中管理的資源與數(shù)據(jù)，V為平臺資源中的實(shí)體集合（節(jié)點(diǎn)集合），E為平臺資源中實(shí)體間關(guān)系的集合（邊集合）。

定義基本單元三元組（vh，r，vi），vh與vi為平臺資源關(guān)鍵信息的實(shí)體（首、尾節(jié)點(diǎn)），其中，h和i是首、尾節(jié)點(diǎn)編碼，r為2個(gè)實(shí)體（節(jié)點(diǎn)）之間的關(guān)聯(lián)關(guān)系。將三元組中的實(shí)體與關(guān)系映射到一個(gè)低維向量空間中，希望得到的情況是：首節(jié)點(diǎn)的向量與關(guān)聯(lián)關(guān)系向量之間相加接近尾節(jié)點(diǎn)向量，其表達(dá)式如下：

vh+r≈vi。（5）

vh+r越接近vi，則表明實(shí)體與關(guān)系在低維向量空間中的嵌入越準(zhǔn)確。根據(jù)上述思想，構(gòu)建三元組中實(shí)體與關(guān)系嵌入低維向量空間準(zhǔn)確度的評價(jià)函數(shù)，其表達(dá)式如下：

f（vh，r，vi）=‖vh+r-vi‖。（6）

式中：f（vh，r，vi）為準(zhǔn)確度評價(jià)函數(shù)，其值越小，表明準(zhǔn)確度越高。

式（6）為針對某一三元組構(gòu)建的準(zhǔn)確度評價(jià)函數(shù)，而對于平臺資源向量化表示而言，需要對所有三元組的準(zhǔn)確度評價(jià)函數(shù)進(jìn)行綜合，則面向所有樣本的目標(biāo)函數(shù)可表達(dá)為：

L=∑（h，r，t）∈S∑（h;，r，t;）∈S（h，r，t）′max [0，f（vh，r，vi）-f（v;h，r，v;t）+γ]。（7）

式中：S為正確的三元組集合（正樣本）;S（h，r，t）′為錯(cuò)誤的三元組集合（負(fù)樣本），正樣本直接從領(lǐng)域本體中構(gòu)造獲得，負(fù)樣本則通過從領(lǐng)域本體中構(gòu)造獲得正確的三元組后再對其中的任一特征（首節(jié)點(diǎn)實(shí)體、尾節(jié)點(diǎn)實(shí)體、實(shí)體間關(guān)系）進(jìn)行修改，模擬構(gòu)造出錯(cuò)誤的樣本;γ用于在向量空間中表達(dá)正、負(fù)樣本之間的間距，其值越大表明在向量空間中，正、負(fù)樣本可以更好地被區(qū)分與隔離開，在TransE中γ值通常設(shè)置為1;h;為錯(cuò)誤的首節(jié)點(diǎn)實(shí)體編碼;t;為錯(cuò)誤的尾節(jié)點(diǎn)實(shí)體編碼;L為對領(lǐng)域本體中的所有三元組進(jìn)行遍歷。最終計(jì)算得到的準(zhǔn)確度與正負(fù)樣本間距之和，對于正樣本而言，f（vh，r，vi）越靠近0表明準(zhǔn)確度越高，對于負(fù)樣本而言，f（v;h，r，v;t）越靠近無窮大表明錯(cuò)誤的三元組準(zhǔn)確度非常差。

模型訓(xùn)練旨在通過正樣本與負(fù)樣本在模型中的迭代運(yùn)算，對目標(biāo)函數(shù)中的相關(guān)參數(shù)進(jìn)行優(yōu)化，最終使得目標(biāo)函數(shù)的值達(dá)到用戶預(yù)先設(shè)定的目標(biāo)值（目標(biāo)函數(shù)收斂）0或者迭代次數(shù)達(dá)到用戶預(yù)先設(shè)定的迭代次數(shù)[9]。本研究引入反向傳播（back propagation，簡稱BP）算法對模型進(jìn)行訓(xùn)練，將同等數(shù)量的正樣本與負(fù)樣本作為輸入數(shù)據(jù)輸入到初始模型中，引入隨機(jī)梯度下降算法對模型進(jìn)行迭代運(yùn)算，使得模型可以以更快的速度收斂。

隨機(jī)梯度下降算法的核心理念是，考慮到模型訓(xùn)練過程中巨大的樣本量，隨機(jī)梯度下降算法從大量樣本中隨機(jī)抽取一定的樣本作為本次迭代運(yùn)算的訓(xùn)練樣本集，利用有限的訓(xùn)練樣本集對模型進(jìn)行訓(xùn)練，對模型參數(shù)進(jìn)行優(yōu)化，提高模型訓(xùn)練與收斂的效率，其實(shí)現(xiàn)步驟如下。

步驟1：設(shè)置最大迭代次數(shù)與收斂值，初始化模型優(yōu)化參數(shù)（γ等），準(zhǔn)備好正、負(fù)訓(xùn)練樣本集N;步驟2：從訓(xùn)練樣本集中抽取m個(gè)樣本，構(gòu)成本次迭代訓(xùn)練樣本集;步驟3：計(jì)算偏導(dǎo)數(shù)，估算目標(biāo)值下降梯度;步驟4：對初始化模型參數(shù)γ進(jìn)行更新;步驟5：重復(fù)步驟2至步驟4，直到下降后的目標(biāo)值低于初始設(shè)置的收斂值或者迭代次數(shù)超過初始設(shè)置的最大迭代次數(shù)。

是綜合描述用戶個(gè)體差異化特性的模型。本研究將基于本體的用戶建模方法引入到農(nóng)村信息化服務(wù)平臺中，首先基于農(nóng)業(yè)領(lǐng)域本體與用戶注冊信息構(gòu)建初始用戶模型，接著利用實(shí)時(shí)監(jiān)測的用戶日志與用戶反饋對初始用戶模型進(jìn)行更新優(yōu)化，為涉農(nóng)工作人員提供個(gè)性化的平臺資源。

參考文獻(xiàn)：

[1]張?jiān)存? 供給側(cè)改革背景下農(nóng)業(yè)信息化建設(shè)研究[J]. 經(jīng)濟(jì)論壇，2019（5）：63-68.

[2]黃利斌. 基于本體的農(nóng)業(yè)知識庫檢索關(guān)鍵技術(shù)研究[D]. 長沙：湖南農(nóng)業(yè)大學(xué)，2017.

[3]何勝，馮新翎，武群輝，等. 基于用戶行為建模和大數(shù)據(jù)挖掘的圖書館個(gè)性化服務(wù)研究[J]. 圖書情報(bào)工作，2017，61（1）：40-46.

[4]李貫峰. 基于本體的農(nóng)業(yè)知識建模研究[J]. 軟件導(dǎo)刊，2016，15（12）：65-67.

[5]蘇玉寧，姜藝，陳賀勝，等. 基于Ontology的農(nóng)業(yè)科學(xué)領(lǐng)域知識庫構(gòu)建[J]. 江蘇農(nóng)業(yè)科學(xué)，2018，46（5）：194-198.

[6]趙嫦花，米春橋. 大數(shù)據(jù)時(shí)代基于本體的農(nóng)業(yè)信息融合方法研究[J]. 懷化學(xué)院學(xué)報(bào)，2017，36（5）：41-45.

[7]周義剛. 基于本體分子的動態(tài)知識檢索模型及可視化呈現(xiàn)[J]. 圖書館學(xué)研究，2018（11）：48-56.

[8]阮懷偉，胡松華，陳艷平，等. 基于本體的興趣模型和語義相似度計(jì)算方法的研究[J]. 電腦知識與技術(shù)，2018，14（20）：183-185.

[9]魏同，李紹穩(wěn)，耿凡凡，等. 基于領(lǐng)域本體的用戶興趣模型構(gòu)建方法研究[J]. 計(jì)算機(jī)技術(shù)與發(fā)展，2017，27（3）：65-69.張凈，張濤，郭洪波. 基于窄帶物聯(lián)網(wǎng)的中藥材種植智能測控系統(tǒng)設(shè)計(jì)[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（13）：256-264.doi：10.15889/j.issn.1002-1302.2020.13.052