基于知识图谱的水稻病害关联特征挖掘方法
针对复杂的水稻病害数据存储和高效检索问题,提出了基于知识图谱的关联特征挖掘模型.将水稻病害数据清洗后存储在Neo4j图数据库中,构建水稻病害知识图谱(Rice diseases knowledge graph,RDKG).在图挖掘算法中引入了Skip List跳跃表多维索引算法,从联系链路、社群划分、相似病害发现3个维度进行分析挖掘并通过试验比较其检索效率和查询时间.结果 表明:关联特征挖掘模型利用Skip List的分层链表形式进行一系列分类表的存储操作,在信息检索时有效提高了检索效率,进而提高系统整体响应时间,为水稻病害领域的数据分析及线索挖掘提供技术支持.
知识图谱、关联特征、Neo4j、水稻病害
43
S511;S126(禾谷类作物)
国家自然科学基金项目;国家重点研发计划项目;吉林省科技发展计划项目;中国工程院院地合作项目
2021-07-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
181-188