國 帥，王曉平，馬於帥，司海平

（1.河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院，鄭州 450046；2.河南省金囤種業(yè)有限公司，鄭州 450000）

農(nóng)業(yè)綜合信息服務(wù)平臺依托現(xiàn)代信息技術(shù)，以數(shù)據(jù)庫為核心，高度集成農(nóng)業(yè)實用技術(shù)、市場供求、產(chǎn)銷對接、生產(chǎn)經(jīng)營狀況、產(chǎn)業(yè)產(chǎn)值和農(nóng)作物產(chǎn)量等信息資源，以互聯(lián)網(wǎng)及各類終端設(shè)備為通信與共享渠道，面向空間離散、地域廣布、需求多樣的涉農(nóng)部門、企業(yè)與人員提供便捷、高效、全面的交互式、專業(yè)化、個性化的農(nóng)業(yè)信息服務(wù)，為加強(qiáng)農(nóng)業(yè)信息服務(wù)監(jiān)管、落實農(nóng)業(yè)部門自身業(yè)務(wù)工作開展提供數(shù)據(jù)和信息技術(shù)支撐［1］。

隨著中國經(jīng)濟(jì)建設(shè)的快速發(fā)展，農(nóng)業(yè)已經(jīng)進(jìn)入了快速成長期，隨之也暴露出農(nóng)業(yè)綜合平臺的缺點以及不足之處，要更加客觀地評估平臺的綜合指標(biāo)，就需要通過綜合績效提升平臺系統(tǒng)的易用性和便捷性。周友勝［2］對綜合信息服務(wù)平臺用戶需求及影響因素進(jìn)行了研究，通過整理農(nóng)戶個人基本信息特征、農(nóng)村綜合信息服務(wù)平臺需求的內(nèi)容、對信息平臺的使用和信息意識4個方面的數(shù)據(jù)，利用Probit模型對變量進(jìn)行了定量分析，分析農(nóng)戶對農(nóng)村綜合信息服務(wù)平臺的了解狀況、用戶使用平臺信息的需求意愿及影響因素，最后根據(jù)得出的結(jié)論提出合理的建議對策。陳偉［3］分析了當(dāng)前農(nóng)業(yè)信息化建設(shè)存在的問題，將云計算模型引入農(nóng)業(yè)綜合信息服務(wù)平臺建設(shè)中，分析了云計算特點及其在農(nóng)業(yè)信息化中的優(yōu)勢，介紹了基于云技術(shù)的農(nóng)業(yè)綜合信息服務(wù)平臺建設(shè)方案，分析了平臺建設(shè)框架、服務(wù)分層、功能架構(gòu)以及在農(nóng)業(yè)生產(chǎn)過程中智能化的應(yīng)用，提出的建設(shè)方案對整合松散的農(nóng)業(yè)信息化資源、形成初步農(nóng)業(yè)信息云資源平臺具有一定的參考價值。

農(nóng)業(yè)綜合信息服務(wù)平臺屬于公益類、義務(wù)類、非營利性服務(wù)平臺，平臺升級與服務(wù)優(yōu)化缺乏競爭意識、用戶導(dǎo)向意識［4-6］，構(gòu)建更完備的平臺績效評價體系并對平臺績效進(jìn)行量化評價分析，有利于整體推動農(nóng)業(yè)綜合信息服務(wù)平臺運(yùn)行效率的提升，各省級平臺績效的橫向?qū)Ρ纫灿欣谄脚_之間打破慣性思維、抓差補(bǔ)缺，更好地服務(wù)于區(qū)域農(nóng)業(yè)與經(jīng)濟(jì)的協(xié)調(diào)發(fā)展［7］?，F(xiàn)有平臺都是站在用戶使用角度以及便利性和方便性考慮，沒有提及客觀的績效評價指標(biāo)，無法綜合多個維度方面來評價信息服務(wù)平臺的好壞。本研究在現(xiàn)有技術(shù)的基礎(chǔ)上，結(jié)合自然語言處理技術(shù)以及智能化技術(shù)，提出基于本體的農(nóng)業(yè)綜合信息服務(wù)平臺績效評價模型。該模型綜合平臺資源、用戶體驗、服務(wù)效能3個維度評價系統(tǒng)平臺的績效，并引入層次結(jié)構(gòu)模型得出每個指標(biāo)的重要程度，便于量化指標(biāo)，以期將所有的平臺進(jìn)行綜合評價對比，刻畫系統(tǒng)的便捷性與易用性。

1 非營利性服務(wù)平臺的評價框架研究與不足

非營利性服務(wù)平臺評價框架研究集中在評價指標(biāo)體系構(gòu)建、評價方法或模型設(shè)計以及指標(biāo)數(shù)據(jù)源獲取3個方面。

1.1 評價指標(biāo)體系構(gòu)建

鑒于非營利性服務(wù)平臺的服務(wù)對象、服務(wù)內(nèi)容與服務(wù)特性，現(xiàn)有對平臺績效的評價指標(biāo)多圍繞其服務(wù)能力展開，包括界面設(shè)計、系統(tǒng)性能、網(wǎng)站質(zhì)量、內(nèi)容豐富度、網(wǎng)絡(luò)顯示度等平臺輸出式單向硬性指標(biāo)，較少納入用戶評價、訪問頻率、使用效益等用戶反饋式軟性指標(biāo)，未能構(gòu)建平臺與用戶雙向互動式的評價指標(biāo)體系。

1.2 指標(biāo)數(shù)據(jù)源獲取

當(dāng)前對于服務(wù)型平臺的績效評價指標(biāo)數(shù)據(jù)獲取或采用主觀調(diào)研方法，如專家評議內(nèi)容豐富度與網(wǎng)站質(zhì)量，或采用客觀量化方法，如借助網(wǎng)絡(luò)爬蟲提取網(wǎng)站鏈接數(shù)、網(wǎng)站PR值、網(wǎng)站在線訪問量，模擬多用戶并發(fā)訪問網(wǎng)站以統(tǒng)計服務(wù)器CPU與內(nèi)存消耗等。指標(biāo)數(shù)據(jù)具有不同的時效與顆粒度，如網(wǎng)站在線訪問量可以日為單位加以統(tǒng)計，內(nèi)容豐富度的獲取時效則由專家根據(jù)評議周期決定。此外，指標(biāo)數(shù)據(jù)體系龐大且無統(tǒng)一的規(guī)范性標(biāo)準(zhǔn)，以人工收集與整理的指標(biāo)數(shù)據(jù)源獲取工作面臨較重的壓力。

1.3 評價方法或模型設(shè)計

在非營利性服務(wù)平臺績效評價模型方面，現(xiàn)有研究多沿用計算機(jī)、應(yīng)用數(shù)學(xué)等領(lǐng)域的成型理論與方法，如線性模型、Logistic回歸模型、層次分析法、模糊層次分析法、支撐向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)驅(qū)動模型更關(guān)注數(shù)理規(guī)律，較少關(guān)注評價對象和概念的語義關(guān)聯(lián)關(guān)系，未能建立動態(tài)評價機(jī)制［7］。

2 本體理論與本體評價法

人工智能領(lǐng)域的學(xué)者Neches等對本體定義如下：給出構(gòu)成有關(guān)領(lǐng)域詞匯的基本術(shù)語和關(guān)系，并運(yùn)用這些術(shù)語和關(guān)系組成規(guī)定這些詞匯外延的法則［8］。該定義中涉及4個關(guān)鍵詞，“領(lǐng)域”是指本體所描述的特定領(lǐng)域，如本文所研究的領(lǐng)域為農(nóng)業(yè)；“術(shù)語”是指特定領(lǐng)域中的重要概念，如農(nóng)業(yè)領(lǐng)域中的生產(chǎn)對象、農(nóng)機(jī)設(shè)備、涉農(nóng)技術(shù)、生產(chǎn)過程等；“關(guān)系”是指基本術(shù)語之間的關(guān)系，可理解為類的層次結(jié)構(gòu)，如術(shù)語“農(nóng)機(jī)設(shè)備”中包含了術(shù)語“插秧機(jī)”“收割機(jī)”，術(shù)語“插秧機(jī)”具有“插秧”用途屬性；詞匯外延法則是指對本體的約束，包括值約束、不相交描述、屬性約束等，如只有“插秧機(jī)技工”才能維修“插秧機(jī)”。在互聯(lián)網(wǎng)中，用戶可能會用不同的術(shù)語來表達(dá)相同的含義，或者一個術(shù)語含有多個含義，因此，消除術(shù)語差異是很有必要的。目前的解決方案是，對某個領(lǐng)域建立一個公共的本體，在涉及該領(lǐng)域時充分使用公共本體里的術(shù)語和規(guī)則，以便信息共享與理解。

根據(jù)工作原理與理論支撐的不同，本體評價方法可分為基本本體評價法、基于認(rèn)知心理學(xué)的本體評價法和以需求為導(dǎo)向的本體評價法3類［9］?；颈倔w評價法是其中惟一的量化方法，其主要包括黃金標(biāo)準(zhǔn)評價法、基于標(biāo)準(zhǔn)的本體評價法、基于具體任務(wù)的本體評價法，前2種方法或因局限于本體領(lǐng)域內(nèi)部研究而缺乏實用性，或因側(cè)重于外觀特性而忽略本體實際應(yīng)用，均不適用于本研究關(guān)于農(nóng)業(yè)綜合信息服務(wù)平臺績效評價?；诰唧w任務(wù)的本體評價法著眼于評價任務(wù)中的本體庫構(gòu)建，利用某一評價指標(biāo)與目標(biāo)本體間的相似度評價該指標(biāo)完成的有效程度，綜合具體任務(wù)的諸多評價指標(biāo)完成情況，以全面、客觀地評判具體任務(wù)。

3 基于本體的農(nóng)業(yè)綜合信息服務(wù)平臺績效評價模型

3.1 構(gòu)建原則

績效評價指標(biāo)的選取與評價指標(biāo)體系的建立是農(nóng)業(yè)綜合信息服務(wù)平臺績效評價的首要環(huán)節(jié)，農(nóng)業(yè)綜合信息服務(wù)平臺績效評價指標(biāo)選擇時，通常需要考慮其指標(biāo)數(shù)據(jù)的可獲取性、橫縱向可對比性、可量化表達(dá)的程度、量化數(shù)據(jù)的層次性以及評價體系對農(nóng)業(yè)綜合信息服務(wù)平臺績效的系統(tǒng)性刻畫與描述能力等。從系統(tǒng)性層面來看，評價體系框架應(yīng)能量化反映平臺運(yùn)用主體如農(nóng)技推廣部門、各級各類涉農(nóng)企業(yè)、農(nóng)業(yè)組織、農(nóng)村實用人才的相關(guān)活動，能為各類主體提供多樣化、個性化的農(nóng)業(yè)信息服務(wù)，包括技術(shù)指導(dǎo)、數(shù)據(jù)查詢、市場分析等。從層次性層面來看，評價體系應(yīng)跳出當(dāng)前平臺功能定位，立足于農(nóng)業(yè)綜合信息服務(wù)內(nèi)容與服務(wù)成效設(shè)計評價指標(biāo)并劃分層次、匯總歸類，使得整個評價體系具有等級層次性與易操作性。從可對比性層面來看，評價指標(biāo)應(yīng)當(dāng)具有同級地區(qū)橫向可對比性與動態(tài)縱向可對比性，兼顧指標(biāo)的先進(jìn)性與關(guān)注度。最后，需要綜合考慮平臺績效與評價指標(biāo)以及指標(biāo)之間的關(guān)系，盡可能消除評價指標(biāo)之間的關(guān)聯(lián)性與重復(fù)性，提煉相關(guān)性較弱且能較全面表達(dá)平臺績效的影響因素作為農(nóng)業(yè)綜合信息服務(wù)平臺績效評價指標(biāo)，從而構(gòu)建科學(xué)、合理、可行、全面的農(nóng)業(yè)綜合信息服務(wù)平臺績效評價指標(biāo)體系。

3.2 績效評價指標(biāo)體系與數(shù)據(jù)來源

基于上述原則，農(nóng)業(yè)綜合信息服務(wù)平臺可從3個角度構(gòu)建“平臺-用戶”雙向互動式綜合績效評價指標(biāo)體系。

3.2.1 平臺資源 反映平臺的內(nèi)部業(yè)績與性能。農(nóng)業(yè)綜合信息服務(wù)平臺的資源主要分為2個部分，一是平臺信息內(nèi)容，包括平臺信息的數(shù)量和時效性等；二是平臺展示性能，包括平臺界面設(shè)計狀況、網(wǎng)站PR值、網(wǎng)站訪問速度和運(yùn)行穩(wěn)定性等。

平臺信息數(shù)量可由平臺管理員對所發(fā)布的信息總量加以統(tǒng)計；平臺信息的時效性即為平臺信息更新頻率，可由平臺管理員對每日新增信息進(jìn)行統(tǒng)計，按一定時間周期計算平臺信息更新頻率。平臺界面設(shè)計狀況可根據(jù)用戶對平臺的評論解析獲得，用戶評論是用戶在平臺中發(fā)表的評論，闡述其使用平臺的感受與想法，利用自然語言處理方法對評論進(jìn)行中文分詞和本體映射，提取出用戶對界面設(shè)計相關(guān)評論的關(guān)鍵詞，經(jīng)語義分析確定評論態(tài)度與觀點；網(wǎng)站PR值可利用Google PR值查詢工具查詢得到；網(wǎng)站訪問速度可通過模擬多用戶并發(fā)訪問操作，抓取頁面響應(yīng)時間作為網(wǎng)站訪問速度；通過多線程并發(fā)登錄的模擬測試，獲得網(wǎng)站最大訪問用戶量，作為運(yùn)行穩(wěn)定性指標(biāo)值。

3.2.2 用戶體驗 反映用戶對平臺使用的滿意程度。作為農(nóng)業(yè)綜合信息服務(wù)平臺的服務(wù)對象，用戶滿意度直接關(guān)系到平臺績效。用戶體驗由用戶自發(fā)式反饋，可體現(xiàn)在平臺信息瀏覽量、網(wǎng)站日平均訪問量、平臺信息轉(zhuǎn)發(fā)量、用戶評分和用戶使用情感等方面。

平臺信息瀏覽量可對信息鏈接的點擊量進(jìn)行統(tǒng)計；網(wǎng)站日均訪問量可運(yùn)行訪問量統(tǒng)計代碼，對單日內(nèi)平臺的用戶訪問量進(jìn)行匯總統(tǒng)計；平臺信息轉(zhuǎn)發(fā)量可利用網(wǎng)頁集成open install jssdk與域名等進(jìn)行統(tǒng)計；用戶評分是農(nóng)業(yè)綜合信息服務(wù)平臺向用戶提供的服務(wù)評分機(jī)制，統(tǒng)計用戶對平臺服務(wù)的打分；用戶評論中蘊(yùn)含的情感可直接體現(xiàn)用戶對平臺使用的滿意度。

3.2.3 服務(wù)效能 反映平臺在提供服務(wù)過程中所產(chǎn)生的效益。農(nóng)業(yè)綜合信息服務(wù)平臺向用戶提供農(nóng)業(yè)信息咨詢與技術(shù)推廣服務(wù)，由用戶將所學(xué)所得轉(zhuǎn)為實際生產(chǎn)力與生產(chǎn)效益，因此平臺的服務(wù)效能主要體現(xiàn)在作物產(chǎn)量、作物收益等方面?？紤]到農(nóng)業(yè)綜合信息服務(wù)平臺僅為知識或服務(wù)輸出型系統(tǒng)，不涉及后續(xù)服務(wù)跟蹤與回訪，可對用戶有效評論進(jìn)行中文分詞、特征項提取和本體庫映射，提取有關(guān)服務(wù)效能的關(guān)鍵詞句。

根據(jù)上述構(gòu)建的評價指標(biāo)體系以及數(shù)據(jù)來源分析，結(jié)合獲取數(shù)據(jù)的屬性特性，設(shè)計農(nóng)業(yè)綜合信息服務(wù)平臺評價指標(biāo)及數(shù)據(jù)類型，如表1所示。

表1 農(nóng)業(yè)綜合信息服務(wù)平臺評價指標(biāo)及數(shù)據(jù)類型

3.3 績效評價本體庫構(gòu)建

根據(jù)“3.2”評價指標(biāo)數(shù)據(jù)來源可知，平臺界面設(shè)計狀況、用戶使用情感、作物產(chǎn)量增幅和生產(chǎn)效益增幅均無法通過網(wǎng)絡(luò)爬蟲技術(shù)或并發(fā)模擬統(tǒng)計得到，而是來源于用戶評論文本，需要對用戶評論加以解析與理解。文本語義解析的基礎(chǔ)即構(gòu)建績效評價本體庫，以該本體庫作為抽象知識，將用戶評論中的分詞特征項映射到本體庫中進(jìn)行語義相似度計算，實現(xiàn)對用戶評論的語義分析與理解，對用戶評論中涉及的指標(biāo)進(jìn)行數(shù)值提取或等級分類。本研究選擇OWL作為農(nóng)業(yè)綜合信息服務(wù)平臺績效評價本體描述語言［10］，并基于此構(gòu)建績效評價本體庫，具體實現(xiàn)流程如下。

3.3.1 概念抽象 針對本研究平臺績效評價中需要進(jìn)行語義分析的指標(biāo)，對其實體重要概念與主要特征進(jìn)行描述，主要包括界面設(shè)計、農(nóng)作物和生產(chǎn)效益，對上述概念進(jìn)一步細(xì)化，界面設(shè)計包括美觀設(shè)計、交互設(shè)計和邏輯設(shè)計等，農(nóng)作物包括大豆、玉米和小麥等，生產(chǎn)效益包括農(nóng)作物產(chǎn)量、產(chǎn)值和經(jīng)濟(jì)收入等。

3.3.2 概念定義 對“3.3.1”中抽象出的概念進(jìn)行定義，在本體庫中，所有的類都是物品“Thing”類的子類，上述概念“界面設(shè)計”“農(nóng)作物”“生產(chǎn)效益”的類分別定義為“Inference”“Crop”“Benefits”，上述概念所具備的屬性與詳細(xì)描述如表2所示。

表2 績效評價領(lǐng)域部分實體類的屬性與詳細(xì)描述

3.3.3 約束條件定義 對上述實體之間的約束條件加以定義，如“Crop”類中的農(nóng)作物產(chǎn)值與“Benefits”類中的生產(chǎn)效益等級二者之間是互為互逆關(guān)系的。

3.3.4 本體庫構(gòu)建 在農(nóng)業(yè)綜合信息服務(wù)平臺績效評價領(lǐng)域的實體、屬性、約束條件等定義的基礎(chǔ)上，采用Protégé軟件對本體進(jìn)行編輯，以O(shè)WL為本體描述語言，構(gòu)建績效評價本體庫。

3.3.5 創(chuàng)建本體實例 上述步驟可以實現(xiàn)基于OWL與Protégé的農(nóng)業(yè)綜合信息服務(wù)平臺績效評價領(lǐng)域本體庫構(gòu)建［11］，在具體應(yīng)用中，需要對本體與屬性進(jìn)行實例化，創(chuàng)建績效評價的本體實例。

3.4 績效評價模型

在績效評價指標(biāo)體系確定的基礎(chǔ)上，農(nóng)業(yè)綜合信息服務(wù)平臺的績效評價模型可分解為3步。

3.4.1 定義評價標(biāo)準(zhǔn) 對表1中的績效評價指標(biāo)需逐一確定評價標(biāo)準(zhǔn)。將研究對象集中在省級層面農(nóng)業(yè)綜合信息服務(wù)平臺，對于數(shù)值型指標(biāo)，根據(jù)省級層面平臺績效的要求設(shè)置指標(biāo)分類等級共分為5級（優(yōu)、良、中、及格、不及格，值分別為4、3、2、1、0），如平臺信息數(shù)量在［0，102）定義為不及格；在［102，103）定義為及格；在［103，104）定義為中；在［104，105）定義為良，在［105，∞）定義為優(yōu)。對于等級類別型指標(biāo)，提取出用戶評論關(guān)于指標(biāo)與指標(biāo)值的特征項后，利用本體映射與語義分析將指標(biāo)值映射到等級分類中，如“作物產(chǎn)量狀況”映射到“生產(chǎn)效益等級”中，確定具體的等級分類（優(yōu)、良、中、及格、不及格）。

3.4.2 確定指標(biāo)權(quán)重 對于農(nóng)業(yè)綜合信息服務(wù)平臺績效評價而言，本研究所構(gòu)建的評價指標(biāo)體系龐大、指標(biāo)眾多、對平臺績效的影響力不等，需要對指標(biāo)權(quán)重進(jìn)行確定。本研究采用層次分析法確定各指標(biāo)的權(quán)重，具體步驟如下。

1）建立遞階層次結(jié)構(gòu)模型。以省級農(nóng)業(yè)綜合信息服務(wù)平臺績效評價為研究對象，對影響平臺績效的一級指標(biāo)與二級指標(biāo)構(gòu)建遞階層次結(jié)構(gòu)模型。

2）構(gòu)造判斷矩陣。根據(jù)遞階層次結(jié)構(gòu)模型，按照從上至下的順序構(gòu)造判斷矩陣，判斷矩陣的取值來源于平臺績效評價準(zhǔn)則，根據(jù)對準(zhǔn)則的理解對矩陣中的元素進(jìn)行兩兩重要性對比分析，然后對判斷矩陣進(jìn)行權(quán)重賦值，判斷矩陣的取值采用如表3所示的九級標(biāo)度法。如將2個元素進(jìn)行對比，準(zhǔn)則中認(rèn)定前一個元素比后一個元素更為重要，且重要程度為強(qiáng)烈，則判斷矩陣的取值為7。

表3 判斷矩陣取值方法

3）層次單排序與一致性檢驗。對所構(gòu)造的判斷矩陣A進(jìn)行最大特征值λmax求解，其計算公式如下。

式中，A為判斷矩陣，W為判斷矩陣的特征向量，(AW)i為AW的第i個分量，λmax為判斷矩陣的最大特征值，n為影響因素數(shù)量。

由于判斷矩陣的結(jié)果具有一定的客觀性，因此需要進(jìn)行一致性檢驗分析，根據(jù)最大特征值計算判斷矩陣的一致性指標(biāo)，其計算公式如下。

式中，C.I.為一致性指標(biāo)。

基于一致性指標(biāo)C.I.與平均隨機(jī)一致性指標(biāo)R.I.，可計算出隨機(jī)一致性比率檢驗數(shù)，其計算公式如下。

式中，C.R.為隨機(jī)一致性比率檢驗數(shù)，R.I.的取值與指標(biāo)數(shù)量有關(guān)，在已知指標(biāo)數(shù)量n的前提下，可以通過查詢相關(guān)表得到R.I.的取值。對計算得到的C.R.進(jìn)行分析，若C.R.≤0.1，則表明判斷矩陣的一致性較好，否則認(rèn)為檢驗不合格，要修正判斷矩陣，直至符合滿意的一致性標(biāo)準(zhǔn)。

4）層次總排序。從上至下逐層計算各項評價指標(biāo)相對于平臺績效的影響綜合權(quán)重，最后得出各指標(biāo)對農(nóng)業(yè)綜合信息服務(wù)平臺績效影響值的排序結(jié)果。層次分析法采用優(yōu)先權(quán)重作為區(qū)分指標(biāo)影響程度的指標(biāo)，權(quán)重的值域為［0，1］，權(quán)重越大表明指標(biāo)重要性越高。

3.4.3 評價指標(biāo)賦分與評價結(jié)果計算 對照評分標(biāo)準(zhǔn)，逐一對評價指標(biāo)進(jìn)行等級劃分與賦值（0、1、2、3、4），再利用各指標(biāo)權(quán)重對分值進(jìn)行加權(quán)計算，推算出農(nóng)業(yè)綜合信息服務(wù)平臺績效的綜合評價值。

4 基于本體的農(nóng)業(yè)綜合信息服務(wù)平臺績效評價模型應(yīng)用

4.1 數(shù)據(jù)獲取與處理

表1所構(gòu)建的農(nóng)業(yè)綜合信息服務(wù)平臺績效評價指標(biāo)體系中，平臺信息數(shù)量、平臺信息更新頻率、平臺信息瀏覽量、網(wǎng)站日平均訪問量和平臺信息轉(zhuǎn)發(fā)量等指標(biāo)可由后臺統(tǒng)計獲得；網(wǎng)站PR值與用戶評分可由網(wǎng)絡(luò)爬蟲技術(shù)從Google PR值查詢頁面與平臺用戶評分頁面提取得到；網(wǎng)站訪問速度、運(yùn)行穩(wěn)定性則可以通過LoadRunner對平臺進(jìn)行多用戶并發(fā)訪問模擬獲得。本研究重點對用戶使用情感以及基于本體與語義分析的平臺界面設(shè)計狀況、作物產(chǎn)量狀況和經(jīng)濟(jì)收益狀況等數(shù)據(jù)獲取與處理過程進(jìn)行詳述。

4.1.1 用戶使用情感 利用網(wǎng)絡(luò)爬蟲技術(shù)獲取用戶在農(nóng)業(yè)綜合信息服務(wù)平臺上的評論，對用戶評論數(shù)據(jù)中暗含的情感進(jìn)行剖析，計算用戶對平臺的情感態(tài)度分值（0～1：消極至積極），其實現(xiàn)流程如下。

1）評論分詞。首先對用戶評論進(jìn)行分詞，本研究中利用Python的jieba庫進(jìn)行分詞，但是所分出來的詞中會帶有很多常見冠詞、連詞、名詞等，如“我”“的”等詞語，為減少后續(xù)情感分析的工作量，需要去除這些停用詞。先讀取本地的停用詞表，創(chuàng)建一個停用詞列表stopwordslist，然后讀取用戶評論，通過jieba庫進(jìn)行中文分詞，再與停用詞表中的詞進(jìn)行對比，相同的詞替換成空白，最終生成想要的分詞表。

2）情感分析。Python的中文NLP庫snowNLP可以根據(jù)輸入的評論分詞進(jìn)行判斷生成0～1的值，超過0.5就說明該評論是積極的，反之，就是消極的，數(shù)值越逼近0、1兩側(cè)，評論中蘊(yùn)藏的情感越極端。snowNLP調(diào)用流程為在使用過程中將評論分詞讀取在鏈表中，由s=SnowNLP（）逐個選取，然后通過s.sentiments進(jìn)行判斷得出情感態(tài)度分析結(jié)果，最后通過條形圖直觀地表現(xiàn)情感態(tài)度結(jié)果，snowNLP庫中對情感態(tài)度加以判斷使用的是貝葉斯算法。

4.1.2 基于本體的用戶評論語義分析與指標(biāo)分類賦值 從用戶評論的構(gòu)成來看，其基本元素為漢字和標(biāo)點符號，詞匯由漢字構(gòu)成，短語由詞匯構(gòu)成，最終形成完整的句子以及具有上下文的評論文章。在對自然語言進(jìn)行統(tǒng)計處理時（分詞、詞性標(biāo)注、句法淺層分析），需要對句子進(jìn)行精煉與形式化表達(dá)，以便進(jìn)行后續(xù)的自然語言處理與理解。

向量空間模型VSM是當(dāng)前最為常用的句子形式化表示模型，本研究將其應(yīng)用于對用戶評論中各語義特征項進(jìn)行形式化表達(dá)。VSM中的項是指用戶評論中的特征項，包括字、詞匯、短語等，定義ti為用戶評論中的特征項，則中文句子可表達(dá)為：

式中，SE為中文句子的特征項表達(dá)，n為中文句子的特征項數(shù)量。

對用戶評論進(jìn)行向量化表示，通常一個中文句子對應(yīng)一個向量，其結(jié)構(gòu)如公式（4）所示，則擁有多個句子的用戶評論可表示為由多個向量構(gòu)成的矩陣。本體映射可以通過句子向量與本體向量之間的內(nèi)積或夾角余弦等進(jìn)行計算與表示。

利用規(guī)則方法對用戶評論文本進(jìn)行深層次分析?？紤]到用戶評論的隨意性與自發(fā)性特征，如果使用詞類與句法范疇編寫文法規(guī)則，難以對其進(jìn)行規(guī)則套用與語法分析，因此，本研究采用語義類對文法規(guī)則進(jìn)行編寫。與句法結(jié)構(gòu)類似，基于語義類對文法規(guī)則進(jìn)行表達(dá)與刻畫的方式沿用樹形結(jié)構(gòu)，在編寫好農(nóng)業(yè)綜合信息服務(wù)平臺績效評價領(lǐng)域的語義語法后，可利用規(guī)則方法對該領(lǐng)域用戶評論進(jìn)行句法分析。本研究采用基于動態(tài)文法的Phoenix分析器進(jìn)行句法分析，實現(xiàn)流程如下。

2）從句子的左端開始，依次匹配每個活動槽，通過詞序列與本體的匹配生成句子的語義樹結(jié)構(gòu)，并將語義樹結(jié)構(gòu)存儲在節(jié)點序列中，其數(shù)據(jù)結(jié)構(gòu)如下。

3）將構(gòu)建好的語義樹結(jié)構(gòu)按照XML格式進(jìn)行存儲與表達(dá)，如用戶評論“咨詢了平臺專家關(guān)于水稻種子霉?fàn)€蛀蟲問題，采納了專家的處理方法，種子的出芽率高了一些”，可將其按照類別進(jìn)行標(biāo)記，如其根節(jié)點標(biāo)記為Query-Benefits，意為“咨詢成效”，其子 節(jié) 點 標(biāo) 記 為“Data-Seed”“Problem-Moth”“Benefits-Effective”“Data-Seed”的 子 節(jié) 點 為“Attribute-Bud”，具體結(jié)構(gòu)通過規(guī)則分析、語義樹結(jié)構(gòu)構(gòu)建，最終可用XML表達(dá)如下。

4.2 指標(biāo)權(quán)重確定

首先確定一級指標(biāo)的權(quán)重。本研究中一級指標(biāo)包括平臺資源、用戶體驗和服務(wù)效能3個評價指標(biāo)，立足于省級農(nóng)業(yè)綜合信息服務(wù)平臺績效考評準(zhǔn)則，對一級評價指標(biāo)兩兩之間的對比重要性進(jìn)行分析，并標(biāo)度各一級指標(biāo)的重要性，一級評價指標(biāo)的重要性標(biāo)度如表4所示，平臺資源與服務(wù)效能相比，其重要性之比為2∶1。

表4 一級指標(biāo)的重要性標(biāo)度

通過表4構(gòu)造判斷矩陣：

根據(jù)判斷矩陣計算最大特征值λmax為1.042，一致性指標(biāo)C.I.為0.011 67，C.R.=0.024 3≤0.1，則表明判斷矩陣的一致性較好，符合一致性標(biāo)準(zhǔn)，無需對判斷矩陣進(jìn)行修正。平臺資源的權(quán)重為0.4，用戶體驗的權(quán)重為0.4，服務(wù)效能的權(quán)重為0.2。

同樣基于績效考評準(zhǔn)則對一級指標(biāo)下細(xì)分的各二級指標(biāo)兩兩之間的對比重要性進(jìn)行分析，在對所有二級指標(biāo)的權(quán)重計算完畢后，得到各一級指標(biāo)下的層次單排序：

根據(jù)確定好的一級指標(biāo)權(quán)重以及上述層次單排序，從上至下逐層計算各二級指標(biāo)影響農(nóng)業(yè)綜合信息服務(wù)平臺績效的綜合權(quán)重，結(jié)果如表5所示。

由表5可知，平臺資源和用戶體驗對農(nóng)業(yè)綜合信息服務(wù)平臺績效影響較大，其權(quán)重均為0.4，比服務(wù)效能指標(biāo)權(quán)重高0.2，權(quán)重越大表示其影響因子越大，對結(jié)果貢獻(xiàn)度越高。在平臺資源二級指標(biāo)中，網(wǎng)站訪問速度權(quán)重最大，為0.084，是影響較大的一個因素；在用戶體驗二級指標(biāo)中，用戶評分和網(wǎng)站日平均訪問量權(quán)重較大，均為0.092，是影響較大的因素；在服務(wù)效能二級指標(biāo)中，作物產(chǎn)量狀況權(quán)重最大，為0.112，且在所有二級指標(biāo)中影響最大，主要原因是農(nóng)業(yè)綜合信息服務(wù)平臺主要是為了便捷地解決用戶的問題，而作物產(chǎn)量狀況直接影響到用戶的表達(dá)傾向和訴求傾向。

表5 農(nóng)業(yè)綜合信息服務(wù)平臺績效影響因素的權(quán)重

4.3 績效評價

通過爬取與搜集中國東部、中部、西部地區(qū)的代表省份江蘇、河南、云南3省2020年的平臺日志信息以及用戶評論信息，按照上文中的指標(biāo)維度進(jìn)行劃分，并對用戶評論文本進(jìn)行清洗和分詞，運(yùn)用NLP技術(shù)將評論數(shù)據(jù)轉(zhuǎn)化成情感指標(biāo)數(shù)據(jù)，情感值越大表示用戶對系統(tǒng)的喜歡程度越高，更能體現(xiàn)系統(tǒng)的用戶黏性。得到對應(yīng)指標(biāo)后，通過本研究提出的層次分析法確定各指標(biāo)的權(quán)重，并根據(jù)表5的權(quán)重對應(yīng)加權(quán)和，得到江蘇省、河南省、云南省的農(nóng)業(yè)綜合信息服務(wù)平臺的績效分別為3.17、3.25、2.86，即河南?。窘K?。驹颇鲜?。為了測試結(jié)果的準(zhǔn)確性，本研究隨機(jī)抽取各平臺的1 000個用戶，并參考本研究中的二級指標(biāo)對用戶進(jìn)行調(diào)研，每個指標(biāo)滿分為100分，最后將所有指標(biāo)加權(quán)求平均值，得到河南省、云南省、江蘇省的農(nóng)業(yè)綜合信息服務(wù)平臺績效評分分別為83.25、80.32、83.07分，其排序結(jié)果為河南?。窘K?。驹颇鲜?，與本研究對農(nóng)業(yè)綜合信息服務(wù)平臺的績效評價結(jié)果相符，因此證明本研究評價方法具有實際使用價值。

5 結(jié)論

農(nóng)業(yè)綜合信息服務(wù)平臺是農(nóng)業(yè)信息服務(wù)體系的重要組成部分，在農(nóng)業(yè)信息化時代發(fā)揮重要作用。本研究針對農(nóng)業(yè)綜合信息服務(wù)平臺的非營利性特征，從平臺資源、用戶體驗和服務(wù)效能3個角度構(gòu)建“平臺-用戶”雙向互動式綜合績效評價指標(biāo)體系?；诖?，綜合網(wǎng)絡(luò)爬蟲技術(shù)、本體評價法、自然語言處理與語義分析技術(shù)對農(nóng)業(yè)綜合信息服務(wù)平臺的績效數(shù)據(jù)源進(jìn)行采集與處理；利用層次分析法確定績效評價指標(biāo)權(quán)重；并利用加權(quán)計算法獲得農(nóng)業(yè)綜合信息服務(wù)平臺績效，以量化評定各省級平臺的農(nóng)業(yè)信息服務(wù)成效。結(jié)果表明，平臺資源和用戶體驗對農(nóng)業(yè)綜合信息服務(wù)平臺績效影響較大；江蘇省、河南省和云南省農(nóng)業(yè)綜合信息服務(wù)平臺績效評價結(jié)果分別為3.17、3.25、2.86，經(jīng)驗證本研究評價方法具有實際使用價值。對于低績效的省份，應(yīng)根據(jù)指標(biāo)的重要程度，提升對應(yīng)的服務(wù)質(zhì)量；對于高績效的省份，應(yīng)樹立標(biāo)桿，加強(qiáng)省份之間的合作，為共同建立高質(zhì)量的服務(wù)平臺打下堅實的基礎(chǔ)。

當(dāng)前全國涉農(nóng)服務(wù)平臺網(wǎng)站很多，但是規(guī)模大、綜合服務(wù)水平高的不多，農(nóng)業(yè)綜合信息服務(wù)平臺作為面向涉農(nóng)人員提供知識與技術(shù)支持的公益性平臺，應(yīng)當(dāng)著力增加特色農(nóng)業(yè)專題數(shù)據(jù)庫量、互補(bǔ)性資源鏈接量，根據(jù)當(dāng)?shù)靥厣l(fā)展特色化服務(wù)；同時，平臺應(yīng)順應(yīng)潮流推出相應(yīng)的App，融合微博、微信等不同應(yīng)用軟件，提供更加全面的服務(wù)，以滿足不同群體的涉農(nóng)用戶需求。