云环境下农业知识普惠服务自适应机制研究

云计算作为农业信息服务领域的新应用，为突破农业知识普惠服务"低成本、个性化、普适化、可持续"等技术瓶颈带来前所未有机遇，云操作系统在计算与存储资源、数据与信息资源两个层面实现了高度共享、优化调度与综合管理。课题申请针对我国农业知识普惠服务重大技术瓶颈，拟在云系统服务层面，从农业系统服务资源统一语义描述，系统服务语义计算及服务本体概念图动态构建，复杂多样、动态时变用户需求的快速聚焦，大规模服务与用户动态需求组合的学习与进化机制共四个方面展开深入研究，解决云环境下大规模部署的智能系统服务如何与庞大"三农"用户群的多样性、地域性、时变性等个性化需求快速对接这一科学问题，并产出系列新方法、新模型以及新的农业云服务原型系统，为率先突破我国农业知识服务的"低成本、普适性"等重大瓶颈问题，进而为探索一条适合我国"三农"特点的，农业信息增值服务的可持续发展模式提供理论与方法支持，课题研究非常有趣且意义重大

课题针对云环境下大规模部署的智能系统服务如何与庞大“三农”用户群的多样性、地域性、时变性等个性化需求快速对接这一科学问题展开深入研究。. 课题针对云环境下的大量农业信息服务缺乏统一语义描述问题，提出了一种基于OWL-S的农业信息服务资源统一语义描述框架，实现对信息服务的服务概要、服务模型以及服务细节的全方位描述。针对农业信息服务很多属性难以精确描述的特点，提出一种基于直觉模糊集合聚类模型的农业服务资源动态本体概念图构建方法，从而支持服务的快速发现和协助用户进行服务导航。针对云环境下大规模用户与海量服务关联关系挖掘，课题提出了一种基于信息熵的兴趣度规则挖掘算法，并在信息熵的基础上提出了度量关联规则兴趣度的框架，该方法不依赖用户先验知识，性能比传统算法更优。针对海量用户需求、服务资源本身的时变特征，课题提出了基于因果关系发现的时变序列多变量属性分析的方法，与经典的传统算法比较，该算法预测精度更高，从而满足大规模用户需求与海量服务的自适应调整。课题研发了农业云服务实验平台，并已在天津农业物联网平台与国家农业综合服务平台上进行了示范，部署农业信息服务超过300个。课题按计划完成了原定的各项研究任务。