TELKOM NIKA , Vol. 11, No. 9, September 20 13, pp.  5224 ~52 2 8   ISSN: 2302-4 046           5224      Re cei v ed Fe brua ry 24, 20 13; Re vised  June 8, 201 3; Acce pted Jun e  20, 2013   Agricultural Knowledge Grid Construction      Tan Cuiping * , Zheng Hua i guo, Zhang Junfeng, Sun Sufen, Li Guangd a   Institute of Information o n  Sci ence a nd T e chnol og y of  Agric u ltura l , Beiji ng  Academ y of Ag ricultura l  an d  Forestr y  Scie n c es, Beiji ng, P. R. China   *Corres p o ndi n g  author, e-ma i l : tcpspring @ 1 63.com       A b st r a ct   In ord e r to  eli m inate  the  a m bi guity i n  s e mant ic un dersta ndi n g s d u rin g  the  r e trieva l of th e  users, a s   w e ll as  mi ni n g  the r e lati on ship  betw een  the co nc e p t of agric ultur a l  know le dge, t he ass o ci ation  o f   know led ge a m ong  hetero g e n eous  data base s  nee ds to be  set up, w h ich  ena ble  users t o  discov e r us e f ul   know led ge c l u e s, an d gr ad u a lly for m  sol u ti on for  the  ulti mate  q uestio n .  Base d o n  th e  char acteristics  of  agric ultura l kn o w ledge  an d th e ach i ev e m ent s of know le dg e   grid r e se arch,  w i th a co mb ina t ion of tra d itio n a l   agric ultura l th e s auri  an d  onto l ogy  techn o l o g y , the a g ri cu ltural k now le dg e gri d  w a s c o nstructed w i th  th e   resourc e  lay e r, semantic l a ye r and us er lev e l. It has  bee n  appl ie d for se ma ntic exte nsi on o n  retrieva l ,   know led ge l i n ks, and know l edg e reas oni n g  dia g n o si s. It gains so me  achiev e m e n ts, w h ich provi d e   technic a l su pp ort and exp e ri e n ce for the de e p ly agr icultur a l  know led ge ser v ices.    Ke y w ords : kn ow ledg e gri d , agricult u re, onto l ogy     Copy right  ©  2013 Un ive r sita s Ah mad  Dah l an . All rig h t s r ese rved .       1. Introduc tion  The te rm G r i d  of the  information te chn o logy field  so urces from  P o we r G r id  [1]. The  Gri d   techn o logy is an increa sin g ly powful techn o logy , an d it has bee n su ccessfull y  used to gri d   comp uting [2 -3], virtual organi zation s [4], etc.  The applicaiton for kno w le dge m anag ement a n d   sha r ing p r o d u c ed a n e w  co nce p t of Knowled ge Gri d .   Fran  Berman  ea rlier p r op ose d  the   con c ept  of Kno w ledge  G r id, K nowl edge  G r i d  is a n   intelligent int e rconn ectio n  environ ment that enabl es  u s ers o r  virtual  roles to effe ctively capture,  publi s h, sh are and ma na ge kn owl edg e re sou r ces,  and othe r service s  for t he users an d to  provide th e  requi re d knowl edge  se rvice s , su pp ort for  kno w led ge inn o v ation, and  work    together [5].   After that, se veral auth o rs have given  the  definition  of the Kno w ledge  Grid,  such  as  Liang hong  Di ng [6], Jing  Li [7], and so on.  Amon g that, The d e finition by H. Zhuge i s  m o re   clea r. The Knowl edge G r i d  is an intelli gent and  sustainable inte rcon ne ction e n vironm ent that  enabl es p e o p le and ma chine s  to effectively captu r e, publish, share a nd ma nage  kno w le dge  resou r ces. It also provid es app ro priat e  on-d e ma n d  servi c e s  to supp ort scientific re sea r ch,   techn o logi cal  innovation,  coo perative teamwo rk, problem  solvin g, and d e ci sion ma king.  It  inco rpo r ate s   epistem ology  and  ontolo g y  to refle c t  human  cogni tive cha r a c te ristics; expl oi ts   so cial, e c olo g ical  and  economi c  p r in ci ples; a nd  ad opts te chni qu es a nd  stan d a rd s d e velop ed  durin g wo rk towa rd the  future web [8-10].    Along with t he develo p m ent of agri c u l tural in forma t ionizatio n  in  China, a g ri cultural  informatio n reso urce s a n d  se rvice s  pl atform  con s tru c tion h a s ma de rema rkabl e achievem e n ts.  A numbe r of national, p r ov incial a nd mu nicip a l agri c u l tural informa t ion sha r e d  reso urce  cent er  have b een  e s tablish ed,  su ch  as the  China Ag ricu ltural Sci ence  Data Cente r , Beijing  agri c ult u re   digital inform ation re so urce  cente r , Guan gdo ng  agri c ultu ral i n formatio n reso urce s sh aring   platform,  Sichuan agri c ult u ral sci en ce and  te chn o lo gy literature i n formatio n re sou r ces  sh ari ng  platform.  Dat a  content  cov e rs pla n tation , bree ding,  a qua culture,  bi otech nol o g y, biosafety, food   safety, reso u r ce s an d en vironme n t, quality standa rd s, ag ri cultu r al zo ning,  microbial  sci ence,  and so on.   It is worth n o ting that the c oncept of agri c ultural knowl edge h a s o b vious a m biguit y , such   as the syn o n y mous relatio n shi p  (cucum ber, cu ke ), n o  matter the " cucu mbe r  " or " cuke" as  sea r ch term s, you want to find the sam e  cont e n t, but in gene ral, the  both could n o t be combi n ed  by the syste m .  In addition, for the sa me name,  different pe ople  have different  comp reh e n s i ons,  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046       Agricultural K nowl edge  Gri d  Con s tru c tio n  (Tan  Cuipi n g)    5225 su ch  as "ca b bage",  can  b e  con s ide r ed  to be  "  Chi nese  cab bag e " o r  " c ole".  If usin g  sim p ly  keyword s  fo r  retrieval, th e  results are   n o t they  want  usu a lly. The  relation ship  of  the  con c e p t  of  agri c ultu ral  knowl edge  is  very rich a n d  com p lex,  like the ralation ship  of simil a rity, parent -child,  host, feedi ng,  bre eding,  co nstitution, introdu ction, wi t h  refe ren c e  to, etc. It is v e ry valua b le  for  u s er s ,   w h ic h is  imp o r t a n t k n ow le dg e c l u e s   to  solve the pro b lem. But b e ca use of the   hetero gen eity of ag ricultural scie nce s   databa se , ea ch scientific databa se   is an  "info r mati on  islan d ", whi c h ma ke s th e e s tablish m ent of th e knowl edg e rel a tion shi p  bet ween   the   hetero gen eo us data b a s e s  very difficult.  In ord e r to  so lve the am big u ity probl em  on the  ret r iev a l of the  u s ers, an d to mi n e  u s eful  kno w le dge   relation ship, agri c ultu ral kno w le dge  grid wa s constructe d based on  t he  cha r a c teri stics of agri c ultu ral kno w led g e .  It c an provi de kn owle dg e clue s, and  grad ually led  the   us ers  to the ultimate s o lution.      2. Rese arch  Metho d   In this  pape r,  we  e s tablish ed three - leve l agri c ultu ral  kno w le dge  grid archite c tu re, and  made   hete r o gene ou s re source s, sema ntic web   a n d   user envi r on ment to  be  a n  o r ga nic wh ole.  Based  on tra d itional ag ricultural the s a u ru s, we  u s e d  ontology te chn o logy to build con c ept ual   relation shi p   diction a ry, a nd imp r ove d  ne w  word  d i scovery m e chani sm, en ri che d  the  exi s ting  vocab u lary st ructu r e a nd relation s. The  kno w led ge g r id was a ppli ed for seman t ic extensio n on   retrieval,  kno w led ge lin ks,  and  kno w led ge re asoni n g  diagno si s. In the pro c e s s  of building, t he  job of indexin g is so he avy. To that effe ct,  Visual Studio 2005 a nd  Protégé  com puter ap plication  s o ftware was   us ed.    2.1. Agricultural Kno w l e dge Grid Architecture  The architect u re  of agricultural  knowledge gr id i s  illustrated in Fi gure  1. The  resource  layer i s   used  to a c hi eve t he p h ysi c al  conne ctio n  bet wee n  the  a g ricultural  re so urces d a taba se.  Heteroge neo us databa se  integratio n  e ngine  i s   ch arge with  the  sha r ing  an d  manag eme n t of  hetero gen eo us  datab ase. Throug h it, the differen c e   of info rmatio n re so urce  service  platfo rm is  shiel ded.            Figure 1. Agri cultural Kno w ledge G r id Archite c ture       In the sem a ntic layer,  several di ctio nary an d kn owle dge d a taba se i s  fou nd with a  combi nation  of  tradition al agri c ultu ral  th esa u ri and  ontology tec h nology, which  is  us ed for text   mining, retrie val, and inte lligent re aso n ing. Based  on vocabul ary and ve ct or spa c e m o del   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046   TELKOM NIKA  Vol. 11, No . 9, September 201 3:  522 4 – 5228   5226 (VSM), enco d ing identification, segm e n tation, PO S tagging, syn t ax analysis for farme r s’ local  verna c ula r   ch ara c ter i s  rea lized  by natu r al lan gua ge  retrieval  engi ne.  Co ncept ual rel a tion sh ip   diction a ry  rev eals the  ba si c  relation shi p  of u s ing  of, o n  be half of, b e long,  divide d with,  refe re nce  with.  Me anwhile,  the oth e r relatio n shi p s of  bei ng  suitabl e to,  damagi ng  on  or ho sting  i n ,  descri p tion, p i cture s  a nd video are cre a ted. Ag ricultural p r ofe ssi onal kno w led ge datab ase for  rea s oni ng  diagno si s is  made  of the  expert s ’ ex perie nce a n d  kno w le dge.  Knowl edg e  links   databa se i s  u s ed to reveal the referen c e  relation ship  betwe en hete r oge neo us d a t abases.   In the user-l evel, text mining en gine  is  use d  to mine the text content, and the  relation shi p  betwe en texts, kno w le dg e eleme n ts,  and knowl edge lin ks of hetero gen eou s  databa se s, which p r ovide s  users the de pt h of agricultural kno w led ge se rvice s .     2.2. Ne w   Wo rd Discov e r y  Method s for  the Agric u ltural Kno w l e dge Grid   Becau s e  of the lon g  prod uction  cycl es,  agr i c ultu ral concepts and relation shi p s betwe en   con c e p ts a r e  lagging  behi nd in tra d itional ag ricult ural thesa u ri. I n  ord e r to  so lve it, based  on  natural l ang uage p r o c e s sing a nd int e lligent ag gregation te ch nology, this  pape r extra c ted  keyword s  fro m  use r s’ qu e s tion s, sea r ch term s, an d  labels, foun d netwo rk h o t  word s thro u g h   automatically agg reg a ting,  and  ad d th e ne w  wo rd s and  the  co nce p tual  rela tionshi ps to t he  diction a ry.         Figure. 2 Ne w Wo rd s Di scovery Method s       3. Results a nd Analy s is  As a  re sult, the  conte n ts  of this a g ri cul t ural  kno w le d ge g r id   have  cove red  veg e table s ,  fruit tree s, crops, livesto ck, poultry, an d aqui cult u r e ,  and it has  reveale d  18  mainly sem a ntic  relation shi p s.  200 agri c ul tural hete r og eneo us data base re sou r ce s are a ssociate d  in the  sema ntic l a yer. As  an im portant  com p onent of  th e  agri c ultu ral  kno w le dge  service  platform,  agri c ultu ral knowl edge  gri d  has b een  u s ed to three  se ctors. Firstly for t he extensio n of sea r ch  terms, the recall rate a nd pre c i s ion  rate has b een imp r ove d , Secondly  for the detailed   informatio n di splay, the kn owle dge lin ks were co nne cted to one ne t, which  can  recom m en d the   kno w le dge  cl ues,  and  lea d  the  user to   form the  en d  solutio n . Thi r dly for the  ve getable  di sea s e  and pe st diag nosti c syste m , the reasonin g  ability was  signifi cantly improve d .    3.1. Search  Term Cen t ra l Extensions   Search te rm  cent ral ext ensi o n s  can  effe ctively eliminate th e  retrieval  a m biguity  probl em s, su ch a s  the u s e r  input the  ke y word s of "g reen fo od", the system  will  recomme nd t he  simila r word s "natural", "o rgani c fo od", the s ubdivision word s  of "Grad e  A g r een  food "a n d   “Grade AA green food", an d the asso cia t ed words li ke "banne d pe sticid es", "limited pesti cide s".  It  not  only e x tends nea r-synonym s  an d syn onym s   relation shi p  o f  sea r ch te rms, b u t al so  will  guide the u s e r  to further ex plicit retri e val  need s,  con s t r uct a mo re rational search strate gy, and  enha nce user retrieval efficiency.     Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046       Agricultural K nowl edge  Gri d  Con s tru c tio n  (Tan  Cuipi n g)    5227     Figure 3. Search T e rm  Cen t ral Extension s       3.2. Kno w l e d g e Links be tw e e n   Hetero geneou s Da tabase s   Knowle dge a s soci ation be tween hete r o gene ou s dat aba se s is re alize d  by Agricultural   knowledge grid, whi c h can effect ively i m prove the  user's knowle dge  di scovery capabilities.  For  example, "b reedin g  u n its"  of the ve g e table va rieti e s datab ase   is rel a ted with  a g ri cult ural  institution s  d a taba se, and  "experts of the field"  of agricultural institutions data base is relat ed  with ag ricultu r al expe rts  d a taba se. "the  appli c at ion  of pesti cide s" of the veg e table vari eties  databa se  is related  with  registe r ed  pe sticid e d a tab a se, "m anufa c ture r"  of re g i stere d  p e sti c ide  databa se i s   related  with a g ricultural ent erp r ises   data base, and  so  on. Every kn owle dge  poin t  is   not isolate d , and throug h any kno w le d ge nod e, the  use r s  ca n en ter into the whole ag ri cultu r al   kno w le dge n e twork to find  the solution t hey really ne eds.     3.3. Vegetabl e Disea se an d Pest Diag n o stic  Sy stem based on  the Agricultural Kno w l e dge  Grid  Based  on p r ofession al kn owle dge d a ta base and  co nce p tual rela tions di ctiona ry, it is  reverse rea s oning throug h the different damage  ch a r a c teri stics of the five parts of the  vegetable s ,  root, stem, l e af, flowe r , an d fruit. Fi nall y  system  giv e s th e  diagn osi s  by  judg e  and  the value of possibility, and the user can  c onfirm it by  diseases  and pests’ pi ctures.         Figure 4. To mato Disea s e  Diagn osti c System   Figure 5. To mato Disea s e  Diagn osti c  Mech ani sm         Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046   TELKOM NIKA  Vol. 11, No . 9, September 201 3:  522 4 – 5228   5228 4. Conclusio n   Agricultural  knowl edge  gri d  is  one  exa m ple  of the   appli c ation  of grid te ch nol ogy in  information processi ng a nd knowl edge acquisition. It  is st ill in the prelim inary stage  of  developm ent  due  to th e  lack of in d e xing. But  with the  d e velopme n t of   the  ag ri cu ltural  informatio nization in Chi n a, agri c ultura l kno w led ge  grid research  will be mo re deeply. In the   future, it may be u s ed i n   clou d comput ing, pe st  and  dise ase mo nitoring, e a rly  wa rning  of the   biologi cal inv a sio n  inform a t ion monitori n g , and so o n .      Referen ces   [1] I  Foster. T he Grid: A New  Infrastructure for 21 st Century Scie nce.  Ph ysics T oda y. 20 02; (2) :  42-47.   [2]  Chett y  M, Bu yya  R. W eavi n g comp utatio n a l gri d s:  ho w   ana log ous  are  the y   w i th  ele c trical gri d s?   Co mp uting i n  Scienc e an d Engi neer in g.  20 02; (4): 61– 71.   [3]  Se yedE l y ar  Ha shemser e sht,  Ali Asg har  Po urha ji K a zem.  RDVBT : Reso urce D i stanc e  Vector Bi nar y  T r ee Algorithm  for Res ource   Discover y   in   Grid.  IAES International Jo ur nal of  Artifici al Intelligence.  201 2; 1(2): 45- 53.   [4]  Den g  Gua ng,  Liu Qi ng w a n g , Li Z e n g y u an,  Z hang  Xu, Hu ang Z h enc hu n. A Kin d  of L i d a r App licati o n   Grid Bas e d  on  eSci ence ’ s V i e w .   T E LKOMN I KA Indo nesi a n Jo urna l  of El ectrical  Eng i n e e rin g .  20 12;   10(5): 11 47- 11 50 .  [5]  Fran Berman.  From  T e raGrid to Kno w ledge Grid.  Commun i cations of the  ACM.  2001; 4 4 ( 11): 27-2 8 .  [6]  Lia nho ng Di ng and Xia ng Li a nd  Y unp en g Xi ng.  Pus h in g  Sc ientific Doc u ments  b y  Discov e rin g   Intere s t   in Informati on  F l o w   w i th in E- Scienc e Kn o w l edg e Grid.  Gri d  an d Co op era t ive Co mputin g .   2005; 4 98- 510.   [7] Jing  Li.  A Me mory  Base d M ode l for Kn ow ledg e Orga ni z a tion a nd S har i ng i n  Kn ow led ge Grid.  IFI P   T C 8 Publicatio ns. 2007; 1 295 -129 9.  [8]  H Z huge. Chi n a’s E-Scienc e Kno w l e d ge Gri d  Enviro nment.  IEEE Intellige n t System s.  20 04; 19(1): 13- 17.   [9]  H Z hug e. Com m uniti es an d E m ergin g  Sem a ntics in S e ma n t ic Link  Net w or k: Discover y   a nd L ear nin g .   IEEE Transactions on Kn ow le dge a nd D a ta Engi neer in g.  2009; 21( 6): 785 -799.    [10]  H Z h u ge. S e mantic  Link in g  throu g h  Spac es fo r  C y ber- p h y s i cal-s o ci o I n telli ge nce: A   Method olo g y .  Artificial Intelligence.  20 11; 17 5: 988-1 0 1 9 .  Evaluation Warning : The document was created with Spire.PDF for Python.