面向食品安全领域的个性化知识搜索系统研究

doi:10.3969/j.issn.1000-5641.2017.05.011

华东师范大学学报(自然科学版) ›› 2017, Vol. 2017 ›› Issue (5): 117-124,137.doi: 10.3969/j.issn.1000-5641.2017.05.011

面向食品安全领域的个性化知识搜索系统研究

袁培森¹, 任吴北¹, 任守纲^1,2, 朱淑鑫¹, 徐焕良^1,2

1. 南京农业大学信息科学技术学院, 南京 210095;
2. 江苏省肉类生产与加工质量安全控制协同创新中心, 南京 210095

收稿日期:2017-06-28 出版日期:2017-09-25 发布日期:2017-09-25
通讯作者: 朱淑鑫,女,硕士,副教授,研究方向为农业信息化.E-mail:zsx@njau.edu.cn E-mail:zsx@njau.edu.cn
作者简介:袁培森,男,博士,讲师,研究方向为智能计算与海量数据管理.E-mail:peiseny@njau.edu.cn
基金资助:
国家自然科学基金（61502236）；中央高校基本科研业务费专项资金（KJQN201651，KYZ201752，KYZ201551）；国家科技支撑计划（2015BA1105000）；江苏省重点研发计划（BE2016803）

Research of personalized knowledge search for food safety system

YUAN Pei-sen¹, REN Wu-bei¹, REN Shou-gang^1,2, ZHU Shu-xin¹, XU Huan-liang^1,2

1. College of Information Science and Technology, Nanjing Agricultural University, Nanjing 210095, China;
2. Jiangsu Collaborative Innovation Center of Meat Production and Processing, Quality and Safety Control, Nanjing 210095, China

Received:2017-06-28 Online:2017-09-25 Published:2017-09-25

摘要/Abstract

摘要： 大数据时代，从海量的数据中发现对用户有用的知识成为研究领域重要的问题.通过集成多个搜索引擎的查询结果，实现食品安全领域中搜索信息的集成和个性化自适应排序.本文设计基于元搜索技术、知识本体和自适应的排序学习技术，实现多个搜索引擎相关查询结果集成，在对用户点击的标注和知识本体的基础上，利用基于监督学习的排序技术，实现对食品安全领域信息的个性化自适应排序.系统实现了集成多个搜索引擎的食品安全相关知识的提取和相关结果的重新排序.本研究不仅实现了多个搜索引擎食品安全信息查询相关的结果集成，而且能够根据用户的偏好实现结果的自适应排序.

关键词: 食品安全搜索, 个性化排序, 搜索集成, 领域本体

Abstract: In the era of big data, knowledge discovery from the mass of data is an important research problem, especially for the user's customized knowledge. In this paper, an integrated search system aiming at personalized re-ranking of food safety knowledge system, PROSK for short, is designed and implemented. Firstly, using the existing search engines, the meta-search engine technique is employed for integrating the results of multiple search engines; then according to the results of the users' click through and the ontology of food safety domain, ranking-based learning algorithm is applied to sort search results adaptively according to the preference profiles. The system integrates the agricultural information from multi-engineers and ranks the query results adaptively and intelligently. This study proposes a feasible solution for ranking of information and knowledge of food safety from multi-engineers adaptively.

Key words: food safety search, personalized ranking, search engine integration, domain ontology

中图分类号:

TP391

袁培森, 任吴北, 任守纲, 朱淑鑫, 徐焕良. 面向食品安全领域的个性化知识搜索系统研究[J]. 华东师范大学学报(自然科学版), 2017, 2017(5): 117-124,137.

YUAN Pei-sen, REN Wu-bei, REN Shou-gang, ZHU Shu-xin, XU Huan-liang. Research of personalized knowledge search for food safety system[J]. Journal of East China Normal University(Natural Sc, 2017, 2017(5): 117-124,137.

参考文献

[1] 中国互联网络发展状况统计报告[R]. 中国互联网络信息中心, 2016.
[2] 彭玉容, 杨捧, 高媛. 农业搜索引擎的发展现状及关键技术研究[J]. 安徽农业科学, 2010, 38(20):10971-10973.
[3] 王超, 李书琴, 肖红. 基于本体的旱区农业垂直搜索引擎研究[J]. 农机化研究, 2013, 35(8):184-187.
[4] 李雷. 基于Nutch的农业信息搜索引擎实现和优化[D]. 长春:吉林大学, 2011.
[5] SDD农搜.[EB/OL].[2016-05-01]. http://www.sdd.net.cn/.
[6] 乔波, 聂笑一, 方逵. 基于本体的农业信息服务个性化推送研究[J]. 安徽农业科学, 2013, 41(27):11213-11214.
[7] 李宏伟, 林萍, 洪小娟. 食品安全网络舆情本体学习研究[J]. 南京邮电大学学报(社会科学版), 2013, 15(4):72-77.[8]杜小勇, 李曼, 王珊. 本体学习研究综述[J]. 软件学报, 2006, 17(9):1837-1847.
[9] GRUBER T R. A translation approach to portable ontology specifications[J]. Knowledge Acquisition. 1993, 5(2):199-220.
[10] 杨月华, 杜军平, 平源. 基于本体的智能信息检索系统[J]. 软件学报, 2015, 26(7):1675-1687.
[11] NOY N F. Semantic integration:A survey of ontology-based approaches[J]. ACM Sigmod Record, 2004, 33(4):65-70.
[12] 吴小兰, 汪琪. 元搜索引擎研究综述[J]. 图书情报工作, 2009, 53(9):46-49.
[13] 曹林, 韩立新, 吴胜利. 元搜索引擎排序技术综述[J]. 计算机应用研究, 2009, 26(2):411-414.
[14] 阳小华, 刘振宇, 谭敏生, 等. 元搜索引擎系统合成算法的约束条件[J]. 软件学报, 2002, 13(7):1264-1270.
[15] 胡宜敏. 农业搜索个性化平台的研究与设计[D]. 合肥:中国科学技术大学, 2009.
[16] 曾春, 邢春晓, 周立柱. 个性化服务技术综述[J]. 软件学报, 2002, 13(10):1952-1961.
[17] 花贵春, 张敏, 邝达, 等. 面向排序学习的特征分析的研究[J]. 计算机工程与应用, 2011, 47(17):122-127.
[18] LI H. A short introduction to learning to rank[J]. Ieice Transactions on Information & Systems, 2011, 94(10):1854-1862.
[19] LI P, BURGES C J C, WU Q. McRank:Learning to rank using multiple classification and gradient boosting[C]//International Conference on Neural Information Processing Systems. Curran Associates Inc, 2007:897-904.
[20] CAO Z, QIN T, LIU T Y, et al. Learning to rank:From pairwise approach to listwise approach[C]//Proceedings of the 24th International Conference on Machine Learning. ACM, 2007:129-136.
[21] BURGES C, SHAKED T, RENSHAW E, et al. Learning to rank using gradient descent[C]//Proceedings of the 22nd International Conference on Machine Learning. ACM, 2005:89-96.
[22] FREUND Y, IYER R, SCHAPIRE R E, et al. An efficient boosting algorithm for combining preferences[J]. Journal of Machine Learning Research, 2003, 4:933-969.
[23] JOACHIMS T. Optimizing search engines using clickthrough data[C]//Proceedings of the Eighth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, 2002:133-142.
[24] HERBRICH R, GRAEPEL T, OBERMAYER K. Large margin rank boundaries for ordinal regression[J]. Advances in Neural Information Processing Systems, 2000, 10(3):115-132.
[25] CALVANESE D, DE GIACOMO G, LENZERINI M. A framework for ontology integration[C]//Proceedings of the First International Conference on Semantic Web Working. 2001:303-316.
[26] ICTCLAS.[EB/OL].[2017-02-01]. http://ictclas.nlpir.org/.
[27] SVMrank.[EB/OL].[2016-09-01]. https://www.cs.cornell.edu/people/tj/svmlight/svmrank.html.

面向食品安全领域的个性化知识搜索系统研究

Research of personalized knowledge search for food safety system

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	付瑞, 李剑宇, 王笳辉, 岳昆, 胡矿. 面向领域知识图谱的实体关系联合抽取[J]. 华东师范大学学报（自然科学版）, 2021, 2021(5): 24-36.
[2]	郑思达, 刘岩, 杨晓坤, 戚成飞, 袁培森. 基于自适应竞争的均衡优化电力系统客户分类[J]. 华东师范大学学报（自然科学版）, 2021, 2021(5): 146-156.
[3]	赵红成, 田秀霞, 杨泽森, 白万荣. YOLO-S: 一种新型轻量的安全帽佩戴检测模型[J]. 华东师范大学学报（自然科学版）, 2021, 2021(5): 134-145.
[4]	杨梦晨, 陈旭栋, 蔡鹏, 倪葎. 早期时间序列分类方法研究综述[J]. 华东师范大学学报（自然科学版）, 2021, 2021(5): 115-133.
[5]	马晓琴, 薛晓慧, 罗红郊, 刘通宇, 袁培森. 基于t-LeNet与时间序列分类的窃电行为检测[J]. 华东师范大学学报（自然科学版）, 2021, 2021(5): 104-114.
[6]	刘天弼, 冯瑞. 一种基于先验标记特征的精准图像配准算法[J]. 华东师范大学学报（自然科学版）, 2021, 2021(3): 65-77.
[7]	祝鸣, 沈建华, 汪家财. 可扩展物联网教学开发系统的设计与实现[J]. 华东师范大学学报（自然科学版）, 2021, 2021(3): 78-95.
[8]	梁艳春, 房爱莲. 基于多通道卷积神经网络的中文文本关系抽取[J]. 华东师范大学学报（自然科学版）, 2021, 2021(3): 96-104.
[9]	窦建凯, 林欣, 胡文心. 单图中的近似频繁子图挖掘算法[J]. 华东师范大学学报(自然科学版), 2019, 2019(6): 73-87.
[10]	陈远哲, 匡俊, 刘婷婷, 高明, 周傲英. 共指消解技术综述[J]. 华东师范大学学报(自然科学版), 2019, 2019(5): 16-35.
[11]	杨康, 黄定江, 高明. 面向自动问答的机器阅读理解综述[J]. 华东师范大学学报(自然科学版), 2019, 2019(5): 36-52.
[12]	邵明锐, 马登豪, 陈跃国, 覃雄派, 杜小勇. 基于社区问答数据迁移学习的FAQ问答模型研究[J]. 华东师范大学学报(自然科学版), 2019, 2019(5): 74-84.
[13]	陈亮, 郭佳雯, 武建功, 王占全, 史令. 基于法计算学理论的人工智能辅助决策算法研究[J]. 华东师范大学学报(自然科学版), 2019, 2019(5): 85-99.
[14]	傅裕, 李优, 林煜明, 周娅. 基于自注意力机制的冗长商品名称精简方法[J]. 华东师范大学学报(自然科学版), 2019, 2019(5): 113-122,167.
[15]	黄福兴, 周广山, 丁宏, 张罗平, 钱淑韵, 袁培森. 基于孤立森林算法的电能量异常数据检测[J]. 华东师范大学学报(自然科学版), 2019, 2019(5): 123-132.