CN110276697A - 双模式农业科技成果分类方法及系统 - Google Patents
双模式农业科技成果分类方法及系统 Download PDFInfo
- Publication number
- CN110276697A CN110276697A CN201810215168.2A CN201810215168A CN110276697A CN 110276697 A CN110276697 A CN 110276697A CN 201810215168 A CN201810215168 A CN 201810215168A CN 110276697 A CN110276697 A CN 110276697A
- Authority
- CN
- China
- Prior art keywords
- agricultural science
- classification
- technology
- technology achievement
- achievement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000003068 static effect Effects 0.000 claims abstract description 13
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种双模式农业科技成果分类方法及系统。该方法包括：获取农业科技成果信息；从上述农业科技成果信息中提取至少一个关键词，利用所述至少一个关键词形成对应于该农业科技成果的关键词集；利用静态分类方法和/或动态分类方法匹配该关键词集，以获取该农业科技成果信息在现有分类表中的分类。该系统利用上述方法实现。本发明可以实现对农业科技成果进行静态分类与动态分类，提高管理效率；同时也方便使用人员检索查询，提高农业科技成果的利用率。
Description
技术领域
本发明涉及农业科技成果管理技术领域，尤其涉及一种双模式农业科技成果分类方法及系统。
背景技术
随着国家、企业、科研机构以及个人对科研事业的重视及深入，各类农业科技成果层出不穷。据统计，在2009年，我国每年就有近3万项重大科技成果产生，每年仅农业科技成果就会有产生7000多项。面对大量的农业科技成果，使用者通过关键词检索出来的大量结果逐一进行排查，找到自己需要的结果，这种方法费时费力，效率很低。
另外，随着农业科技成果的增多，相关成果也呈现了分布广泛、分散、杂乱的特点。现有技术中，农业科技成果其文档量大且繁杂，当前对农业科技成果的管理以简单的文档资料存储为主，加之农业科技成果的分类体系与管理方法多种多样，不仅耗费大量的人力、物力，而且统计分析琐碎繁杂。
发明内容
本发明的其中一个目的在于提供一种双模式农业科技成果分类方法及系统，以解决现在技术中农业科技成果分类管理方法简单，统计分析困难的技术问题。
为实现上述发明目的，第一方面，本发明实施例提供了一种双模式农业科技成果分类方法，包括：
获取农业科技成果信息；
从上述农业科技成果信息中提取至少一个关键词，利用所述至少一个关键词形成 对应于该农业科技成果的关键词集；
利用静态分类方法和/或动态分类方法匹配该关键词集，以获取该农业科技成果 信息在现有分类表中的分类。
可选地，所述静态分类方法包括：
根据现有技术中的分类方法建立一个现有分类表；
在现有分类表中每一分类的关键词库中匹配上述关键词集；
当匹配度超过预设值时，则该关键词集属于在现有分类表中的当前分类，并将该 关键词集中未匹配的关键词添加到当前分类的关键词库中。
可选地，所述静态分类方法还包括：
当匹配度低于预设值时，则在现有分类表中其他分类的关键词库中继续匹配，直 至匹配完所有分类为止。
可选地，所述预设值为85％。
可选地，所述动态分类方法包括：
从现有分类表中获取与上述农业科技成果信息在同一个分类中任意一个农业科 技成果的关键词集；
获取该两个农业科技成果的关键词集的差异度与相似度；
若上述相似度超过预设相似度值，则该两个农业科技成果属于同一类农业科技成 果；若上述差异度超过预设差异度值，则该两个农业科技成果属于两类农业科技成果；
重复上述步骤，直至上述农业科技成果信息与同一个分类中所有农业科技成果对 比完成为止。
可选地，所述利用静态分类方法和/或动态分类方法匹配该关键词集，以获取该农业科技成果信息在现有分类表中的分类的步骤之后，还包括：
统计农业科技成果信息，以获取农业科技成果的关键词分类结果。
第二方面，本发明实施例还提供了一种双模式农业科技成果分类系统，基于上文所述的双模式农业科技成果分类方法实现，包括：
成果信息获取模块，用于获取农业科技成果信息；
关键词集获取模块，用于从上述农业科技成果信息中提取至少一个关键词，利用 所述至少一个关键词形成对应于该农业科技成果的关键词集；
双模式分类模块，用于利用静态分类方法和/或动态分类方法匹配该关键词集，以 获取该农业科技成果信息在现有分类表中的分类。
可选地，所述双模式分类模块包括静态分类单元，用于执行以下步骤：
在现有分类表中每一分类的关键词库中匹配上述关键词集；
当匹配度超过预设值时，则该关键词集属于在现有分类表中的当前分类，并将该 关键词集中未匹配的关键词添加到当前分类的关键词库中；
可选地，所述双模式分类模块还包括动态分类单元，用于执行以下步骤：
从现有分类表中获取与上述农业科技成果信息在同一个分类中任意一个农业科 技成果的关键词集；
获取该两个农业科技成果的关键词集的差异度与相似度；
若上述相似度超过预设相似度值，则该两个农业科技成果属于同一类农业科技成 果；若上述差异度超过预设差异度值，则该两个农业科技成果属于两类农业科技成果；
重复上述步骤，直至上述农业科技成果信息与同一个分类中所有农业科技成果对 比完成为止。
可选地，本发明实施例提供的系统还包括：统计模块，用于统计农业科技成果信息，以获取农业科技成果的关键词分类结果。
本发明实施例通过对上传的农业科技成果信息进行静态分类和/动态分类，可以将上述信息通过关键词匹配，将农业科技成果划分到对应的分类中，也可以根据关键词的匹配度与差异度判断两个农业科技成果之间是否属于同一分类。本发明可以实现对农业科技成果进行静态分类与动态分类，提高管理效率；同时也方便使用人员检索查询，提高农业科技成果的利用率。
Claims (5)
1.一种双模式农业科技成果分类方法，其特征在于，包括： 获取农业科技成果信息；从上述农业科技成果信息中提取至少一个关键词，利用所述至少一个关键词形成对应 于该农业科技成果的关键词集； 利用静态分类方法和/或动态分类方法匹配该关键词集，以获取该农业科技成果信息 在现有分类表中的分类。
2.根据权利要求1所述的双模式农业科技成果分类方法，其特征在于，所述静态分类方法包括： 根据现有技术中的分类方法建立一个现有分类表； 在现有分类表中每一分类的关键词库中匹配上述关键词集； 当匹配度超过预设值时，则该关键词集属于在现有分类表中的当前分类，并将该关键 词集中未匹配的关键词添加到当前分类的关键词库中。
3.根据权利要求2所述的双模式农业科技成果分类方法，其特征在于，所述静态分类方法还包括： 当匹配度低于预设值时，则在现有分类表中其他分类的关键词库中继续匹配，直至匹 配完所有分类为止。
4.根据权利要求2所述的双模式农业科技成果分类方法，其特征在于，所述预设值为85％。
5.根据权利要求1所述的双模式农业科技成果分类方法，其特征在于，所述动态分类方法包括： 从现有分类表中获取与上述农业科技成果信息在同一个分类中任意一个农业科技成 果的关键词集； 获取该两个农业科技成果的关键词集的差异度与相似度； 若上述相似度超过预设相似度值，则该两个农业科技成果属于同一类农业科技成果； 若上述差异度超过预设差异度值，则该两个农业科技成果属于两类农业科技成果； 重复上述步骤，直至上述农业科技成果信息与同一个分类中所有农业科技成果对比完 成为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810215168.2A CN110276697A (zh) | 2018-03-15 | 2018-03-15 | 双模式农业科技成果分类方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810215168.2A CN110276697A (zh) | 2018-03-15 | 2018-03-15 | 双模式农业科技成果分类方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110276697A true CN110276697A (zh) | 2019-09-24 |
Family
ID=67957986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810215168.2A Withdrawn CN110276697A (zh) | 2018-03-15 | 2018-03-15 | 双模式农业科技成果分类方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110276697A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191126A (zh) * | 2019-12-24 | 2020-05-22 | 绍兴市上虞区理工高等研究院 | 一种基于关键词的科技成果精准推送方法及装置 |
-
2018
- 2018-03-15 CN CN201810215168.2A patent/CN110276697A/zh not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191126A (zh) * | 2019-12-24 | 2020-05-22 | 绍兴市上虞区理工高等研究院 | 一种基于关键词的科技成果精准推送方法及装置 |
| CN111191126B (zh) * | 2019-12-24 | 2023-11-03 | 绍兴市上虞区理工高等研究院 | 一种基于关键词的科技成果精准推送方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | An improved random forest classifier for image classification | |
| Manjunath et al. | A survey on multimedia data mining and its relevance today | |
| CN109840532A (zh) | 一种基于k-means的法院类案推荐方法 | |
| CN103678274A (zh) | 一种基于改进互信息和熵的文本分类特征提取方法 | |
| Pardeshi et al. | Improved k-medoids clustering based on cluster validity index and object density | |
| Matsubara et al. | Non-linear mining of competing local activities | |
| CN104252616A (zh) | 人脸标注方法、装置及设备 | |
| CN113342984A (zh) | 一种园区企业分类方法、系统、智能终端及存储介质 | |
| CN104408472A (zh) | 基于Wishart和SVM的极化SAR图像分类方法 | |
| CN105447142B (zh) | 一种双模式农业科技成果分类方法及系统 | |
| CN106611016A (zh) | 一种基于可分解词包模型的图像检索方法 | |
| CN102929977B (zh) | 一种面向新闻网站的事件跟踪方法 | |
| CN106971005A (zh) | 一种云计算环境下基于MapReduce的分布式并行文本聚类方法 | |
| CN110276697A (zh) | 双模式农业科技成果分类方法及系统 | |
| Brito et al. | Divisive monothetic clustering for interval and histogram-valued data | |
| CN108268478A (zh) | 一种基于ur-CAIM算法的不平衡数据集特征选择方法及装置 | |
| Singh et al. | Survey on outlier detection in data mining | |
| Kim et al. | Horizontal reduction: instance-level dimensionality reduction for similarity search in large document databases | |
| Rao et al. | Efficient iceberg query evaluation using set representation | |
| CN112784040B (zh) | 基于语料库的垂直行业文本分类方法 | |
| Jiang et al. | A hybrid clustering algorithm | |
| Zhao et al. | MapReduce-based clustering for near-duplicate image identification | |
| CN105224508A (zh) | 基于特征归纳的高维数据超图模型构造方法 | |
| Augereau et al. | Document images indexing with relevance feedback: an application to industrial context | |
| Li et al. | An improved ML-KNN multi-label classification model based on feature dimensionality reduction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190924 |