随着信息科技的高速发展,大数据技术不断突破,计算能力和存储能力得到大幅度提升。大数据涉及面广、数据量大,使得数据管理的难度大、耗费时间长。为解决这些问题,我国政府部门颁布了一系列相关的利好政策,如“大数据发展行动纲要”等,其中涉及到农业大数据的政策有,“农业农村大数据发展”、“乡村振兴”等。目前,针对农业大数据的管理,不同的平台使用不同的存储规则,手动处理数据的方式仍然存在,导致数据汇集难度大,管理效率低下。农业大数据不仅具有大数据规模性、高速性、多样性、价值性、真实性等特点,还面临数据采集难度大、跨越周期长等问题,这使得农业大数据的管理难度更大、消耗时间更多。因此,如何提高农业大数据的管理效率成为亟待解决的问题。本论文的研究是在农业大数据的基础之上,使用分布式存储架构和面向数据的体系结构DOA(Data-Oriented Architecture)中数据注册中心的思想建立数据注册中间库,并设计数据注册系统客户端。针对农业大数据特点,对非结构化数据制定“统一注册规则”,采用TF-IDF(Term Frequency–Inverse Document Frequency)算法、朴素贝叶斯算法和K最近邻算法对文本类数据分类;对结构化数据制定“数据注册原则,一库一标准”,采用TF-IDF算法代替手动注册方法,对众多数据属性字段进行自动筛选,选出TOP-N作为数据注册字段,提高数据注册效率,实现农业大数据的高效管理。本论文的主要创新点如下:(1)提出了一种关于农业大数据的非结构化、结构化注册规则。农业大数据的非结构化数据注册规则是“统一注册规则”,注册表结构模板分为4大模块,分别是原始数据内容、映射关系、注册信息、权限管理模块;结构化数据注册规则是“统一注册原则,一库一标准”,其中‘统一注册原则’共有八大原则,‘一库一标准’根据结构化数据注册表结构模板和实际的数据库表结构得出。(2)提出了一种运用算法注册非结构化、结构化农业大数据的方法。对非结构化数据注册,以文本数据为例。首先对文本内容进行预处理,使用Jieba库分词,去除无用词,建立词典库,使用one-hot进行编码,运用TF-IDF算法计算TF和IDF,通过word2vec将每个词映射成一个向量,使用朴素贝叶斯和K最近邻算法对文本进行分类,得出分类结果,注册非结构化数据;对结构化数据运用TF-IDF算法计算TF和IDF值,选取TOP-N字段作为机动字段,结合固定字段,注册结构化数据,提高数据信息的注册效率。通过农业大数据注册系统的测试验证,使用算法注册数据能极大提高注册效率。在注册非结构化数据测试中,结果表明:不使用算法的注册时间是使用朴素贝叶斯算法的720倍以上,是K最近邻算法的750倍以上。K最近邻算法的分类精准度比朴素贝叶斯算法高,能更好地实现数据库主题分类目标。注册结构化数据时,不使用算法的注册时间是使用TF-IDF算法的30倍以上。