本体——是一种用来描述概念以及概念间关系的模型,自提出以来就成为研究的热点,并在知识工程、信息检索、Web异构信息处理和语义Web等方面得到了积极的应用。作为本体研究的一项基础性工作——本体建模,已经在众多领域得到广泛的关注。但传统的手工本体建模是一项耗时费力的繁杂工作,因此利用本体学习技术研究本体的自动或者半自动建模就显得十分必要。本文针对农业领域本体手工构建中存在的问题,以茶学领域知识为研究对象,重点解决农业领域本体学习建模中的三个关键问题——农业领域概念的提取问题、农业领域概念间分类关系以及非分类关系的提取问题,提出了面向农业领域的本体学习建模理论与方法,开发出面向农业领域的本体学习建模原型系统。论文研究的主要内容及取得的成果如下:①提出了农业领域本体概念自动提取的理论与方法。通过中文分词的方法对农业领域语料进行初步切分,利用互信息技术对字串集合中关联紧密的词语进行合成,基于领域相关性判断筛选出与农业领域相关的概念词语,形成农业领域本体的概念集合;②提出了农业领域概念间分类关系提取的理论与方法。通过构建广义后缀树从概念集合中提取合成词概念间的分类关系;利用层次聚类的方法从概念集合中提取非合成词概念间的分类关系;③给出了农业领域概念间非分类关系提取的理论与方法。运用基于关联规则挖掘的方法获取相关概念对,提取农业领域概念间的非分类关系。④开发了面向农业领域的本体学习建模原型系统。研究在Eclipse平台上采用Servlet / Jsp技术,开发一个可生成形式化本体模型的农业领域本体学习原型系统,实验验证了文中所用理论与方法的正确性。论文研究成果对于农业领域本体建模理论与方法的深入研究,大规模构建农业领域本体,进一步建立农业语义网络与知识网格,实现农业领域知识的充分共享和协同服务,具有一定的理论研究价值和实际意义。