单位：西南大学
1. 项目简述
种猪疾病知识库涵盖了种猪的各个品种、各个疾病以及对应症状、治疗方法等信息，同时由于语义技术能很好地发掘信息之间的关系，而且语义知识库的修改非常快捷容易，这使得知识库的维护费用大幅减少，具有极大的实用性。
图1 基于语义的生猪养殖智能决策支持系统体系
2. 系统演示
SPARQL查询是用来测试所建本体的合理性。也就是说，机器理解的三元组要和我们拆分后的三元组一致，假如查询得不到预期的结果，构建的语义本体就存在问题，需要重新定义。我们采用的方法是随时“测试”所构建本体的合理性，因为一旦RDF 三元组的数量很大以后，排查错误就很费时间。总体上，我们会选择简单的测试案例从局部到整体展开测试，避免延迟。例如，我们想知道“导致难产的致病因素？”。图2是母猪难产的致病因素示意图(SPARQL查询)。由图可知导致难产的因素有8种之多。查看专家给出的知识库，结果一致。这个测试案例示例了“由疾病找病因”这一模式。改变其中的某个宾语或者主语即可测试出这一模式下的所有三元。
图2 母猪难产的致病因素示意图(SPARQL查询)
为方便应用，我们开发了Web查询。如图3所示，当用户输入或选中“症状”分组或“因素”分组时，接着可以挑选/选中相应的项，进入最右边的输入框，开始查询。多重症状诊断功能部分为应用的主要部分，用户可以根据饲养生猪的实际情况勾选对应症状，再点击诊断按钮，应用就将按照用户输入的各类症状，结合后台语义分析与推断给出诊断结果。在结果界面，用户可以进一步根据诊断结果中描述的症状对生猪的病症进行多次复诊，提高诊断准确性。
图3 web查询
种猪疾病查询和预防系统最初研发的目的是降低重庆市种猪养殖的成本、提高种猪繁殖成活率、提高养猪个体户和大型养猪场对种猪养殖过程中遇到的疾病防治成功率、形成一套具有专家级权威的诊断机理。它采用语义网技术整合种猪品种、养殖、医疗诊断等复杂信息，形成种猪疾病知识库，并在此基础上利用语义推理技术，使养猪大户可通过可视化界面查询或向系统提问的方式使用该系统。
种猪在生长发育过程中涉及诸多阶段，种猪疾病诊断需要整合种猪品种、养殖、医疗诊断等复杂信息。种猪疾病查询和预防系统采用基于群体的模糊TOPSIS生猪疾病决策算法，通过用户的输入，从知识库提取相应专家知识，构造个体专家知识矩阵。通过衡量专家的重要程度，给每位专家确定权重，将多个个体专家知识矩阵进行融合，得到群体决策矩阵。然后，衡量每个决策属性对于诊断各个疾病的重要程度，得到最终加权决策矩阵，通过TOPSIS方法找到最优解。目前，通过构建人员和知识库自身两种途径，专家知识库仍在不断更新，并进一步满足用户对知识的实时更新需求。