CN112598185A - 农业舆情分析方法、装置、设备及存储介质 - Google Patents
农业舆情分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112598185A CN112598185A CN202011576255.4A CN202011576255A CN112598185A CN 112598185 A CN112598185 A CN 112598185A CN 202011576255 A CN202011576255 A CN 202011576255A CN 112598185 A CN112598185 A CN 112598185A
- Authority
- CN
- China
- Prior art keywords
- agricultural
- target
- public opinion
- condition
- decision result
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000003306 harvesting Methods 0.000 claims abstract description 107
- 238000000034 method Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 241000219146 Gossypium Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Agronomy & Crop Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种农业舆情分析方法、装置、设备及存储介质,本申请基于历史农业舆情及实际农业收成情况建立了知识库,进而在获取当前的农业舆情后,可以基于知识库确定与当前农业舆情包含的目标条件属性所对应的目标决策结果,也即预测当前农业舆情对农业收成的正向或反向促进结果,指导相关人员及单位开展后续工作。
Description
技术领域
本申请涉及农业舆情分析技术领域,更具体的说,是涉及一种农业舆情分析方法、装置、设备及存储介质。
背景技术
农业收成受多种因素影响,如天气、政策等,这些影响因素通过农业舆情进行体现。现有的气候预测模型准确率已经很高,一些机构也会定期免费地向外公布预测结果,但是这些结果往往被用户所忽视,并且也并没有一种手段能够对农业舆情进行分析,以实现对农业是否丰收的预测。
发明内容
鉴于上述问题,提出了本申请以便提供一种农业舆情分析方法、装置、设备及存储介质,以实现依据农业舆情来预测未来农业的收成情况,进而指导相关人员及单位开展工作。具体方案如下:
一种农业舆情分析方法,包括:
获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;
处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;
获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;
基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。
优选地,所述知识库中包含的条件属性与决策结果的对应关系,具体包括:
各农业细分行业标签下,条件属性与决策结果的对应关系;
所述基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,包括:
基于所述知识库,在各农业细分行业标签下,匹配与所述目标条件属性对应的目标决策结果,得到每一农业细分行业标签下的目标决策结果。
优选地,所述处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性,包括:
将所述农业舆情数据进行分词离散化处理,得到离散的分词;
将所述分词按照词典进行数据格式化处理,并从格式化后的各分词中提取影响农业收成的条件属性,作为目标条件属性。
优选地,所述知识库的配置过程,包括:
获取历史农业舆情数据及对应的历史真实农业收成情况,所述历史真实农业收成情况包括各农业细分行业标签下的历史真实收成情况;
从所述历史农业舆情数据中提取影响农业收成的条件属性;
基于所述历史真实农业收成情况,确定各农业细分行业标签下,所述条件属性对农业收成的决策结果;
基于各农业细分行业标签下,所述条件属性对农业收成的决策结果,建立知识库。
优选地,所述基于所述知识库,在各农业细分行业标签下,匹配与所述目标条件属性对应的目标决策结果,得到每一农业细分行业标签下的目标决策结果,包括:
在所述知识库中,各农业细分行业标签下,查找与所述目标条件属性匹配的条件属性;
若能够查找到完全匹配的条件属性,则将查找到的完全匹配的条件属性对应的决策结果作为所述目标条件属性对应的目标决策结果;
若不能够查找到完全匹配的条件属性,则确定匹配度达到设定匹配阈值的各粗匹配条件属性,并基于各粗匹配条件属性分别对应的决策结果,确定所述目标条件属性对应的目标决策结果。
优选地,所述基于各粗匹配条件属性分别对应的决策结果,确定所述目标条件属性对应的目标决策结果,包括:
选取各粗匹配条件属性对应的各决策结果中,占比最大的一类决策结果,作为所述目标条件属性对应的目标决策结果。
优选地,所述知识库为基于粗糙集理论形成的知识库,则知识库中包含的每一条件属性与决策结果间的对应关系分别作为一条粗糙集知识。
一种农业舆情分析装置,包括:
农业舆情数据获取单元,用于获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;
目标条件属性抽取单元,用于处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;
知识库获取单元,用于获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;
决策匹配单元,用于基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。
一种农业舆情分析设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如上所述的农业舆情分析方法的各个步骤。
一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的农业舆情分析方法的各个步骤。
借由上述技术方案,本申请的农业舆情分析方法,获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。本申请基于历史农业舆情及实际农业收成情况建立了知识库,进而在获取当前的农业舆情后,可以基于知识库确定与当前农业舆情包含的目标条件属性所对应的目标决策结果,也即预测当前农业舆情对农业收成的正向或反向促进结果,指导相关人员及单位开展后续工作。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例提供的农业舆情分析方法的一流程示意图;
图2为本申请实施例提供的知识库配置丰富的一流程示意图;
图3为本申请实施例提供的一种农业舆情分析装置结构示意图;
图4为本申请实施例提供的农业舆情分析设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请提供了一种农业舆情分析方案,可以基于对当前农业舆情的分析情况,确定决策结果,该决策结果体现了当前农业舆情中包含的影响农业收成的条件属性,对农业收成的正向或反向促进作用。
本申请方案可以基于具备数据处理能力的终端实现,该终端可以是手机、电脑、服务器、云端等。
接下来,结合图1所述,本申请的农业舆情分析方法可以包括如下步骤:
步骤S100、获取农业舆情数据。
其中,所述农业舆情数据包含影响农业收成的条件属性。这里的条件属性可以是气候类型的条件属性(如气温、降水等)、政策类型的条件属性等。
农业舆情数据可以从网络或相关企业、单位获取,如从网络上获取当前农业舆情报告、文章等,以及从天气预报或气候预测单位获取影响天气、气候预报信息等。
步骤S110、处理所述农业舆情数据,从中提取出影响农业收成的条件属性,作为目标条件属性。
具体的,农业舆情数据中除了包含影响农业收成的条件属性之外,还可能存在其它一些无用信息。本步骤中对农业舆情数据进行处理,以实现从中提取出影响农业收成的条件属性,作为目标条件属性,以后后续步骤使用。
步骤S120、获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系。
其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进。
一种可选的方式下,本实施例中的知识库可以是基于粗糙集理论形成的知识库,则知识库中包含的每一条件属性与决策结果间的对应关系分别作为一条粗糙集知识。
本申请可以利用粗糙集理论对已有农业知识进行萃取,生成影响农业收成的条件属性与对应的决策结果。
其中,粗糙集理论是指:粗糙集理论是建立在分类机制的基础上的,它将分类理解为在特定空间上的等价关系,而等价关系构成了对该空间的划分。粗糙集理论将知识理解为对数据的划分,每一被划分的集合称为概念。粗糙集理论的主要思想是利用已知的知识库,将不精确或不确定的知识用已知的知识库中的知识来(近似)刻画。
步骤S130、基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。
具体的,知识库中存储有条件属性与决策结果间的对应关系,通过查找该对应关系,可以确定出与目标条件属性对应的决策结果,作为目标决策结果,并输出确定的目标决策结果。
本申请实施例提供的农业舆情分析方法,获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。本申请基于历史农业舆情及实际农业收成情况建立了知识库,进而在获取当前的农业舆情后,可以基于知识库确定与当前农业舆情包含的目标条件属性所对应的目标决策结果,也即预测当前农业舆情对农业收成的正向或反向促进结果,指导相关人员及单位开展后续工作。
在本申请的一些实施例中,对于配置的知识库,其中存储的条件属性与决策结果的对应关系可以做进一步细分。
具体的,农业下存在多个细分行业,如小麦、玉米、棉花等等均可以作为农业细分行业。不同农业细分行业下,条件属性与决策结果间的对应关系可能相同或不同。示例如,水稻这一农业细分行业下,在降雨量大这一条件属性下对应的决策结果可能是正向促进水稻收成。而棉花这一农业细分行业下,在降雨量大这一条件属性下对应的决策结果可能是反向促进水稻收成。
因此,本实施例中进一步在知识库中建立各农业细分行业标签,进而在各农业细分行业标签下,建立条件属性与决策结果的对应关系。
在此基础上,上述步骤S130,基于所述知识库,匹配与所述目标条件属性对应的目标决策结果的过程,具体可以包括:
基于所述知识库,在各农业细分行业标签下,匹配与所述目标条件属性对应的目标决策结果,得到每一农业细分行业标签下的目标决策结果。
本申请实施例中,进一步介绍上述包含农业细分行业标签的知识库的配置过程。
参见图2,图2示例了知识库的配置过程,具体可以包括:
步骤S200、获取历史农业舆情数据及对应的历史真实农业收成情况,所述历史真实农业收成情况包括各农业细分行业标签下的历史真实收成情况。
具体的,历史农业舆情数据为历史已经产生的与农业收成相关的舆情数据,如历史气候信息、历史农业政策信息等。进一步的,还要获取到与该历史农业舆情数据相对应的历史真实农业收成情况,该历史真实农业收成情况包含了各农业细分行业标签下的历史真实收成情况,如各农业细分行业标签下是否丰收或减产等。
步骤S210、从所述历史农业舆情数据中提取影响农业收成的条件属性。
具体的,可以将该历史农业舆情数据进行分词离散化处理,得到离散的分词,进而将分词按照词典进行数据格式化处理,从格式化后的各分词中提取影响农业收成的条件属性。
条件属性可以是气候条件属性,如冻害、积温少、气温骤变、雷雨大风等等,此外,条件属性还可以包括政策条件属性,如降低农产品进口量,提高农业补助等。
步骤S220、基于所述历史真实农业收成情况,确定各农业细分行业标签下,所述条件属性对农业收成的决策结果。
具体的,历史真实农业收成情况包含了各农业细分行业标签下的历史真实收成情况,如各农业细分行业标签下是否丰收或减产等,基于各农业细分行业标签下是否丰收或减产,可以确定条件属性对各农业细分行业标签的决策结果,若某一农业细分行业标签下的历史真实收入情况为丰收,则可以确定条件属性对该农业细分行业标签的决策结果为正向促进,反之,若某一农业细分行业标签下的历史真实收入情况为减产,则可以确定条件属性对该农业细分行业标签的决策结果为反向促进。
步骤S230、基于各农业细分行业标签下,所述条件属性对农业收成的决策结果,建立知识库。
具体的,将每一农业细分行业标签下,条件属性对农业收成的决策结果作为一条知识,得到多条知识组成的知识库。
在本申请的一些实施例中,进一步对上述步骤S110,处理所述农业舆情数据,从中提取出影响农业收成的条件属性,作为目标条件属性的过程进行介绍。
从农业舆情数据中提取目标条件属性的过程与前述实施例中知识库配置过程,从历史农业舆情数据中提取条件属性的过程类似,具体可以包括:
S1、将所述农业舆情数据进行分词离散化处理,得到离散的分词。
具体的,可以使用分词技术对农业舆情数据进行分词离散化处理,得到离散的各个分词。
S2、将所述分词按照词典进行数据格式化处理,并从格式化后的各分词中提取影响农业收成的条件属性,作为目标条件属性。
具体的,可以查询词典将各个分词进行格式化处理,处理成标准格式的分词。进一步的,从格式化后的各分词中提取影响农业收成的条件属性,作为目标条件属性。
其中,从格式化后的各分词中提取影响农业收成的条件属性的过程,可以是基于人工选择影响农业收成的条件属性。除此之外,还可以预先配置条件属性模板,条件属性模板中包含多个预先配置的影响农业收成的标准条件属性。在此基础上,可以利用条件属性模板从格式化后的各分词中提取目标条件属性。
在本申请的一些实施例中,对前述步骤S130,基于所知识库,在各农业细分行业标签下,匹配与所述目标条件属性对应的目标决策结果,得到每一农业细分行业标签下的目标决策结果的过程进行介绍。
步骤S130具体可以包括:
在所述知识库中,各农业细分行业标签下,查找与所述目标条件属性匹配的条件属性。
若能够查找到完全匹配的条件属性,则将查找到的完全匹配的条件属性对应的决策结果作为所述目标条件属性对应的目标决策结果。
另一种情况下,若不能够查找到完全匹配的条件属性,也即知识库中不存在与所述目标条件属性完全一致的条件属性,则可以计算知识库中各条件属性与所述目标条件属性的匹配度,并确定匹配度达到设定匹配阈值的各条件属性作为粗匹配条件属性。进一步的,基于知识库中各粗匹配条件属性分别对应的决策结果,确定所述目标条件属性对应的目标决策结果。
可选的,基于各粗匹配条件属性分别对应的决策结果,确定所述目标条件属性对应的目标决策结果的过程,可以包括:
选取各粗匹配条件属性对应的各决策结果中,占比最大的一类决策结果,作为所述目标条件属性对应的目标决策结果。
示例如,粗匹配条件属性共有N条,各条粗匹配条件属性对应的决策结果共有两类,分别是正向促进和反向促进。其中,正向促进的决策结果有N1 条,反向促进的决策结果有N2条(N1+N2=N),则可以选取N1和N2中较大一个对应的决策结果,作为目标条件属性对应的目标决策结果。
可以理解的是,若N1=N2,则可以提交给技术人员,由技术人员来确定该目标条件属性对应的目标决策结果。
下面对本申请实施例提供的农业舆情分析装置进行描述,下文描述的农业舆情分析装置与上文描述的农业舆情分析方法可相互对应参照。
参见图3,图3为本申请实施例公开的一种农业舆情分析装置结构示意图。
如图3所示,该装置可以包括:
农业舆情数据获取单元11,用于获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;
目标条件属性抽取单元12,用于处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;
知识库获取单元13,用于获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;
决策匹配单元14,用于基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。
本申请实施例提供的农业舆情分析装置,获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。本申请基于历史农业舆情及实际农业收成情况建立了知识库,进而在获取当前的农业舆情后,可以基于知识库确定与当前农业舆情包含的目标条件属性所对应的目标决策结果,也即预测当前农业舆情对农业收成的正向或反向促进结果,指导相关人员及单位开展后续工作。
可选的,上述知识库获取单元获取的知识库中,包含的条件属性与决策结果的对应关系,具体可以包括:
各农业细分行业标签下,条件属性与决策结果的对应关系。在此基础上,上述决策匹配单元基于所述知识库,匹配与所述目标条件属性对应的目标决策结果的过程,可以包括:
基于所述知识库,在各农业细分行业标签下,匹配与所述目标条件属性对应的目标决策结果,得到每一农业细分行业标签下的目标决策结果。
可选的,上述目标条件属性抽取单元处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性的过程,可以包括:
将所述农业舆情数据进行分词离散化处理,得到离散的分词;
将所述分词按照词典进行数据格式化处理,并从格式化后的各分词中提取影响农业收成的条件属性,作为目标条件属性。
可选的,本申请的装置还可以包括:知识库配置单元,用于配置所述知识库,该知识库的配置过程可以包括:
获取历史农业舆情数据及对应的历史真实农业收成情况,所述历史真实农业收成情况包括各农业细分行业标签下的历史真实收成情况;
从所述历史农业舆情数据中提取影响农业收成的条件属性;
基于所述历史真实农业收成情况,确定各农业细分行业标签下,所述条件属性对农业收成的决策结果;
基于各农业细分行业标签下,所述条件属性对农业收成的决策结果,建立知识库。
可选的,上述决策匹配单元基于所述知识库,在各农业细分行业标签下,匹配与所述目标条件属性对应的目标决策结果,得到每一农业细分行业标签下的目标决策结果的过程,可以包括:
在所述知识库中,各农业细分行业标签下,查找与所述目标条件属性匹配的条件属性;
若能够查找到完全匹配的条件属性,则将查找到的完全匹配的条件属性对应的决策结果作为所述目标条件属性对应的目标决策结果;
若不能够查找到完全匹配的条件属性,则确定匹配度达到设定匹配阈值的各粗匹配条件属性,并基于各粗匹配条件属性分别对应的决策结果,确定所述目标条件属性对应的目标决策结果。
可选的,上述决策匹配单元基于各粗匹配条件属性分别对应的决策结果,确定所述目标条件属性对应的目标决策结果的过程,可以包括:
选取各粗匹配条件属性对应的各决策结果中,占比最大的一类决策结果,作为所述目标条件属性对应的目标决策结果。
可选的,上述知识库可以是基于粗糙集理论形成的知识库,则知识库中包含的每一条件属性与决策结果间的对应关系分别作为一条粗糙集知识。
本申请实施例提供的农业舆情分析装置可应用于农业舆情分析设备,如终端:手机、电脑等。可选的,图4示出了农业舆情分析设备的硬件结构框图,参照图4,农业舆情分析设备的硬件结构可以包括:至少一个处理器1,至少一个通信接口2,至少一个存储器3和至少一个通信总线4;
在本申请实施例中,处理器1、通信接口2、存储器3、通信总线4的数量为至少一个,且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC (ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器 (non-volatilememory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:
获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;
处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;
获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;
基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种存储介质,该存储介质可存储有适于处理器执行的程序,所述程序用于:
获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;
处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;
获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;
基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。
可选的,所述程序的细化功能和扩展功能可参照上文描述。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间可以根据需要进行组合,且相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种农业舆情分析方法,其特征在于,包括:
获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;
处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;
获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;
基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。
2.根据权利要求1所述的方法,其特征在于,所述知识库中包含的条件属性与决策结果的对应关系,具体包括:
各农业细分行业标签下,条件属性与决策结果的对应关系;
所述基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,包括:
基于所述知识库,在各农业细分行业标签下,匹配与所述目标条件属性对应的目标决策结果,得到每一农业细分行业标签下的目标决策结果。
3.根据权利要求1所述的方法,其特征在于,所述处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性,包括:
将所述农业舆情数据进行分词离散化处理,得到离散的分词;
将所述分词按照词典进行数据格式化处理,并从格式化后的各分词中提取影响农业收成的条件属性,作为目标条件属性。
4.根据权利要求2所述的方法,其特征在于,所述知识库的配置过程,包括:
获取历史农业舆情数据及对应的历史真实农业收成情况,所述历史真实农业收成情况包括各农业细分行业标签下的历史真实收成情况;
从所述历史农业舆情数据中提取影响农业收成的条件属性;
基于所述历史真实农业收成情况,确定各农业细分行业标签下,所述条件属性对农业收成的决策结果;
基于各农业细分行业标签下,所述条件属性对农业收成的决策结果,建立知识库。
5.根据权利要求2所述的方法,其特征在于,所述基于所述知识库,在各农业细分行业标签下,匹配与所述目标条件属性对应的目标决策结果,得到每一农业细分行业标签下的目标决策结果,包括:
在所述知识库中,各农业细分行业标签下,查找与所述目标条件属性匹配的条件属性;
若能够查找到完全匹配的条件属性,则将查找到的完全匹配的条件属性对应的决策结果作为所述目标条件属性对应的目标决策结果;
若不能够查找到完全匹配的条件属性,则确定匹配度达到设定匹配阈值的各粗匹配条件属性,并基于各粗匹配条件属性分别对应的决策结果,确定所述目标条件属性对应的目标决策结果。
6.根据权利要求5所述的方法,其特征在于,所述基于各粗匹配条件属性分别对应的决策结果,确定所述目标条件属性对应的目标决策结果,包括:
选取各粗匹配条件属性对应的各决策结果中,占比最大的一类决策结果,作为所述目标条件属性对应的目标决策结果。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述知识库为基于粗糙集理论形成的知识库,则知识库中包含的每一条件属性与决策结果间的对应关系分别作为一条粗糙集知识。
8.一种农业舆情分析装置,其特征在于,包括:
农业舆情数据获取单元,用于获取农业舆情数据,所述农业舆情数据包含影响农业收成的条件属性;
目标条件属性抽取单元,用于处理所述农业舆情数据,从中提取出所述影响农业收成的条件属性,作为目标条件属性;
知识库获取单元,用于获取预配置的知识库,所述知识库中包含条件属性与决策结果的对应关系,其中,所述条件属性基于历史农业舆情数据所确定,对应的决策结果为基于所述条件属性对应的历史真实农业收成所确定,所述决策结果表明条件属性对农业收成的正向或反向促进;
决策匹配单元,用于基于所述知识库,匹配与所述目标条件属性对应的目标决策结果,并输出所述目标决策结果。
9.一种农业舆情分析设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1~7中任一项所述的农业舆情分析方法的各个步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1~7中任一项所述的农业舆情分析方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011576255.4A CN112598185A (zh) | 2020-12-28 | 2020-12-28 | 农业舆情分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011576255.4A CN112598185A (zh) | 2020-12-28 | 2020-12-28 | 农业舆情分析方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112598185A true CN112598185A (zh) | 2021-04-02 |
Family
ID=75203683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011576255.4A Pending CN112598185A (zh) | 2020-12-28 | 2020-12-28 | 农业舆情分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598185A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116361562A (zh) * | 2023-06-02 | 2023-06-30 | 太极计算机股份有限公司 | 一种面向农业产业互联网的知识化推荐方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001057698A1 (en) * | 2000-02-06 | 2001-08-09 | Enigma Publishing Limited | A system for delivering scenario specific, problem solving, decision support from non-intelligent computer systems |
CN103323484A (zh) * | 2013-07-08 | 2013-09-25 | 广西大学 | 甘蔗煮糖过程结晶状态预测方法 |
CN108415256A (zh) * | 2018-04-09 | 2018-08-17 | 南京农业大学 | 一种面向连栋日光能温室作物的栽培控制系统 |
CN108701147A (zh) * | 2016-02-12 | 2018-10-23 | 塔塔咨询服务有限公司 | 用于自动识别农业气候地带的方法和系统 |
CN111709611A (zh) * | 2020-05-26 | 2020-09-25 | 吴健哲 | 一种农业大数据处理方法和装置 |
-
2020
- 2020-12-28 CN CN202011576255.4A patent/CN112598185A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001057698A1 (en) * | 2000-02-06 | 2001-08-09 | Enigma Publishing Limited | A system for delivering scenario specific, problem solving, decision support from non-intelligent computer systems |
CN103323484A (zh) * | 2013-07-08 | 2013-09-25 | 广西大学 | 甘蔗煮糖过程结晶状态预测方法 |
CN108701147A (zh) * | 2016-02-12 | 2018-10-23 | 塔塔咨询服务有限公司 | 用于自动识别农业气候地带的方法和系统 |
CN108415256A (zh) * | 2018-04-09 | 2018-08-17 | 南京农业大学 | 一种面向连栋日光能温室作物的栽培控制系统 |
CN111709611A (zh) * | 2020-05-26 | 2020-09-25 | 吴健哲 | 一种农业大数据处理方法和装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116361562A (zh) * | 2023-06-02 | 2023-06-30 | 太极计算机股份有限公司 | 一种面向农业产业互联网的知识化推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271512B (zh) | 舆情评论信息的情感分析方法、装置及存储介质 | |
WO2019214245A1 (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
CN109634698B (zh) | 菜单显示方法、装置、计算机设备及存储介质 | |
CN110874530B (zh) | 关键词提取方法、装置、终端设备及存储介质 | |
CN110825957A (zh) | 基于深度学习的信息推荐方法、装置、设备及存储介质 | |
CN108846097B (zh) | 用户的兴趣标签表示方法、文章推荐方法、及装置、设备 | |
JP5615857B2 (ja) | 分析装置、分析方法及び分析プログラム | |
CN110046889B (zh) | 一种异常行为主体的检测方法、装置及服务器 | |
CN111914159B (zh) | 一种信息推荐方法及终端 | |
CN112163424A (zh) | 数据的标注方法、装置、设备和介质 | |
CN110609952B (zh) | 数据采集方法、系统和计算机设备 | |
CN112818230B (zh) | 内容推荐方法、装置、电子设备和存储介质 | |
CN111652661B (zh) | 一种手机客户端用户流失预警处理方法 | |
CN110895533B (zh) | 一种表单映射方法、装置、计算机设备和存储介质 | |
CN108182200B (zh) | 基于语义相似度的关键词拓展方法和装置 | |
CN114090601B (zh) | 一种数据筛选方法、装置、设备以及存储介质 | |
CN110019813B (zh) | 寿险案例检索方法、检索装置、服务器及可读存储介质 | |
CN112801489B (zh) | 诉讼案件风险检测方法、装置、设备和可读存储介质 | |
CN112598185A (zh) | 农业舆情分析方法、装置、设备及存储介质 | |
CN112836124A (zh) | 一种画像数据获取方法、装置、电子设备及存储介质 | |
CN110852322B (zh) | 感兴趣区域的确定方法及装置 | |
CN112182451A (zh) | 网页内容摘要生成方法、设备、存储介质及装置 | |
CN111177084A (zh) | 一种文件分类方法、装置、计算机设备及存储介质 | |
CN107368464B (zh) | 一种获取招标产品信息的方法及装置 | |
CN114265777B (zh) | 应用程序的测试方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |