農(nóng)業(yè)信息搜索引擎分類器的研究.pdf

1、當(dāng)今互聯(lián)網(wǎng)高速發(fā)展，人類社會邁入網(wǎng)絡(luò)信息爆炸時代，這帶來了網(wǎng)絡(luò)上農(nóng)業(yè)知識信息的激增，給農(nóng)業(yè)從業(yè)者帶來了農(nóng)業(yè)信息查找的便利。知識意味著財富，農(nóng)業(yè)從業(yè)者從這些農(nóng)業(yè)信息中擷取財富信息，然而，海量的農(nóng)業(yè)知識信息不意味著可以快速有效的查詢出所需信息，農(nóng)業(yè)領(lǐng)域細(xì)化信息的快速定位與分類查找是必要與必須的。
　　本文以農(nóng)業(yè)信息搜索引擎分類器為研究對象，全面的介紹了當(dāng)前信息文本分類器現(xiàn)狀、國內(nèi)外分類器發(fā)展歷程，在分類特征提取、訓(xùn)練樣本和眾多分類算法

2、基礎(chǔ)上，從農(nóng)業(yè)信息文本分類特征項(xiàng)提取方式上從手，提出了具有農(nóng)業(yè)信息文本特色的特征提取方式，在此特征項(xiàng)訓(xùn)練基礎(chǔ)上，建立農(nóng)業(yè)信息文本訓(xùn)練庫，針對分類算法分類效果各有差異，使用改進(jìn)優(yōu)化后的樸素貝葉斯分類器對農(nóng)業(yè)信息進(jìn)行分類，設(shè)計實(shí)現(xiàn)了農(nóng)業(yè)信息搜索引擎分類器系統(tǒng)。
　　世界上不會存在一模一樣的兩片葉子，每個對象都具有其獨(dú)特性，文本信息對象也都具有各自獨(dú)有識別特征以供識別分類。本文對文本特征提取四種方式信息增益、互信息、卡方統(tǒng)計和文檔頻率進(jìn)

3、行算法論述與實(shí)現(xiàn)實(shí)驗(yàn)比較，提出農(nóng)業(yè)信息文本特征提取方式:基于文檔頻率的文本特征提取，將TF-IDF、空間向量模型與余弦相關(guān)度的計算運(yùn)用其中，在此基礎(chǔ)上，依據(jù)農(nóng)業(yè)信息分類原則，根據(jù)識別度，選取各農(nóng)業(yè)類別的文本信息，最終建立了農(nóng)業(yè)信息文本訓(xùn)練庫。
　　任何一種分類算法都不具有絕對優(yōu)越性，都存在不同分類偏差，不同文本信息，分類器分類效果不一樣。本文實(shí)驗(yàn)比較了決策樹算法、K-近鄰算法、支持向量機(jī)和樸素貝葉斯四種分類算法對農(nóng)業(yè)信息文本分類情

4、況，運(yùn)用并改進(jìn)優(yōu)化樸素貝葉斯分類器，主要改進(jìn)點(diǎn)兩個方面:樸素貝葉斯算法計算公式變化，將二值模型變換成多項(xiàng)式模型，建立多項(xiàng)式模型公式，進(jìn)行實(shí)驗(yàn)結(jié)果數(shù)據(jù)比較;在分類器部署方式上，將分類器分布式部署到多臺計算機(jī)，采用Top-N算法排序結(jié)果，進(jìn)行實(shí)驗(yàn)結(jié)果數(shù)據(jù)比較。
　　本文根據(jù)多組分類實(shí)驗(yàn)比較結(jié)果，在軟件設(shè)計理論上，結(jié)合上述改進(jìn)優(yōu)化后樸素貝葉斯算法，使用農(nóng)業(yè)信息文本訓(xùn)練庫，設(shè)計并實(shí)現(xiàn)了農(nóng)業(yè)信息搜索引擎分類器系統(tǒng)，對農(nóng)業(yè)信息文本分類實(shí)驗(yàn)測試

5、得出結(jié)果數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，經(jīng)改進(jìn)優(yōu)化后樸素貝葉斯分類器分類精度更高，分類速度更快，是實(shí)用可靠的農(nóng)業(yè)信息搜索引擎分類器系統(tǒng)。
　　綜上，本文在農(nóng)業(yè)信息搜索引擎抓取農(nóng)業(yè)信息文本基礎(chǔ)上，從分類信息文本特征提取、農(nóng)業(yè)信息文本訓(xùn)練、分類算法上對農(nóng)業(yè)信息文本分類器研究，通過實(shí)驗(yàn)對比，提出農(nóng)業(yè)信息分類特征提取方式，建立農(nóng)業(yè)信息文本訓(xùn)練庫，從算法上對樸素貝葉斯分類器改進(jìn)，從部署上，將分類器系統(tǒng)分布式部署分類，最終達(dá)到改進(jìn)優(yōu)化農(nóng)業(yè)信息文本分類器。