林業(yè)動(dòng)態(tài)信息快速搜索與集成.pdf

1、我國(guó)林業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，擔(dān)負(fù)著生態(tài)環(huán)境建設(shè)和促進(jìn)社會(huì)可持續(xù)發(fā)展的重大使命，人類是林業(yè)產(chǎn)業(yè)建設(shè)中的主要受益群體，當(dāng)林業(yè)產(chǎn)業(yè)結(jié)構(gòu)形成時(shí)，人們就在其中發(fā)揮其各自不同的作用。近年來(lái)，林業(yè)信息化推進(jìn)，促進(jìn)了林業(yè)信息資源的共享，為公眾提供了便利，促進(jìn)了林業(yè)產(chǎn)業(yè)的發(fā)展。但是，林業(yè)信息化的發(fā)展還有其必要性，如何更好地利用林業(yè)信息資源，為我國(guó)林業(yè)科學(xué)領(lǐng)域廣大科研人員、教學(xué)工作者以及林農(nóng)服務(wù)，就迫切需要對(duì)林業(yè)信息實(shí)現(xiàn)快速搜索與集成。
　　 如

2、何從海量信息中快速查找到用戶所需要的信息，已經(jīng)成為公眾對(duì)特定領(lǐng)域信息的查找所面臨的主要問(wèn)題?；ヂ?lián)網(wǎng)上林業(yè)信息越來(lái)越龐雜且無(wú)序，普通的搜索引擎已經(jīng)不能滿足大眾對(duì)個(gè)性化信息的需求。針對(duì)用戶在進(jìn)行林業(yè)主題信息查詢時(shí)，通用搜索引擎需要花費(fèi)大量時(shí)間及精力去查找所需要的信息，且主題信息的召回率和精確率都比較低，不能滿足用戶的需求，因此公眾急需一個(gè)分類精確、數(shù)據(jù)全面、更新及時(shí)的林業(yè)主題搜索引擎。
　　 本論文的研究?jī)?nèi)容來(lái)自導(dǎo)師主持的湖南省科技

3、計(jì)劃重點(diǎn)項(xiàng)目(2010nk2004)。本文以系統(tǒng)科學(xué)、林學(xué)、信息學(xué)和統(tǒng)計(jì)學(xué)等理論為指導(dǎo)，對(duì)林業(yè)動(dòng)態(tài)信息搜索與集成進(jìn)行了全面的研究。研究過(guò)程中，對(duì)國(guó)內(nèi)外林業(yè)動(dòng)態(tài)信息搜索與集成等方面的研究進(jìn)行了綜述。主要從林業(yè)動(dòng)態(tài)信息的需求分析與分類、主題爬蟲搜索器以及文本識(shí)別分類器等三個(gè)方面進(jìn)行了研究，主要研究工作如下:
　　 (1)綜合分析了國(guó)內(nèi)外對(duì)于搜索引擎的既有理論和實(shí)踐成果，表明了目前建立一個(gè)林業(yè)主題搜索引擎的重要性和必要性，并對(duì)其中的關(guān)

4、鍵技術(shù)進(jìn)行了深入研究。本研究將林業(yè)主題搜索引擎分為數(shù)據(jù)收集層、數(shù)據(jù)存儲(chǔ)層以及數(shù)據(jù)表示層三個(gè)層次，并對(duì)這三個(gè)層次中涉及的相關(guān)方法進(jìn)行了探討和總結(jié)。
　　 (2)利用網(wǎng)頁(yè)上公布的信息，結(jié)合各部門及公眾對(duì)林業(yè)動(dòng)態(tài)信息的需求，明確對(duì)各部門及公眾真正有實(shí)際意義的林業(yè)動(dòng)態(tài)信息類別，并對(duì)所需林業(yè)動(dòng)態(tài)信息進(jìn)行分類、分塊，使各種林業(yè)動(dòng)態(tài)信息具體化，主要分為以下七類:林業(yè)科技信息、林業(yè)生產(chǎn)資料、林產(chǎn)品市場(chǎng)供求信息、花卉信息、林業(yè)政策法規(guī)、林業(yè)勞務(wù)信

5、息、氣象與環(huán)境信息。
　　 (3)根據(jù)已構(gòu)建的林業(yè)動(dòng)態(tài)信息類別體系，搜集與之相關(guān)的林業(yè)專業(yè)網(wǎng)站，明確信息采集的網(wǎng)站來(lái)源。采集我們所需要的數(shù)據(jù)所提供的網(wǎng)站域名，并采集域名后的內(nèi)容，同時(shí)辨別所采集的網(wǎng)站類別，實(shí)現(xiàn)對(duì)林業(yè)動(dòng)態(tài)信息源的搜集及分類。
　　 (4)運(yùn)用基于內(nèi)容分析與基于鏈接結(jié)構(gòu)分析相結(jié)合的一種新型搜索策略，通過(guò)綜合分析評(píng)價(jià)，對(duì)候選URL所指向的頁(yè)面進(jìn)行主題相關(guān)度判斷以及對(duì)候選URL進(jìn)行排序，實(shí)現(xiàn)最優(yōu)的林業(yè)主題爬蟲搜索

6、器，從而使所下載的網(wǎng)頁(yè)按與林業(yè)主題相關(guān)且重要性突出遞減的順序排列。
　　 (5)采用計(jì)算機(jī)智能的SVM自動(dòng)文本分類技術(shù)，對(duì)樣本數(shù)據(jù)進(jìn)行機(jī)器訓(xùn)練，實(shí)現(xiàn)對(duì)主題爬蟲搜索器所采集到的林業(yè)動(dòng)態(tài)信息進(jìn)行分類存儲(chǔ)，達(dá)到對(duì)林業(yè)主題搜索引擎的數(shù)據(jù)收集層的構(gòu)建進(jìn)行優(yōu)化的目的。
　　 林業(yè)動(dòng)態(tài)信息搜索與集成是在對(duì)現(xiàn)有的搜索與集成技術(shù)進(jìn)行研究和優(yōu)化的基礎(chǔ)上，融合了公眾對(duì)林業(yè)動(dòng)態(tài)信息的需求，使得公眾在獲取林業(yè)動(dòng)態(tài)信息時(shí)的準(zhǔn)確率、全面率和成功率都得