检索结果-南通市图书馆

同方期刊数据库博看期刊

基于连续提示注入与指针网络的农业病害命名实体识别

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第6期55卷 254-261页

作者：王春山张宸硕吴华瑞朱华吉缪祎晟张立杰河北农业大学信息科学与技术学院保定071001 国家农业信息化工程技术研究中心北京100097 农业农村部农业信息化技术重点实验室北京100097 河北农业大学机电工程学院保定071001 河北省农业大数据重点实验室保定071001

针对农业病害领域命名实体识别过程中存在的预训练语言模型利用不充分、外部知识注入利用率低、嵌套命名实体识别率低的问题,本文提出基于连续提示注入和指针网络的命名实体识别模型CP-MRC(Continuous prompts for machine reading comp... 详细信息

针对农业病害领域命名实体识别过程中存在的预训练语言模型利用不充分、外部知识注入利用率低、嵌套命名实体识别率低的问题,本文提出基于连续提示注入和指针网络的命名实体识别模型CP-MRC(Continuous prompts for machine reading comprehension)。该模型引入BERT(Bidirectional encoder representation from transformers)预训练模型,通过冻结BERT模型原有参数,保留其在预训练阶段获取到的文本表征能力;为了增强模型对领域数据的适用性,在每层Transformer中插入连续可训练提示向量;为提高嵌套命名实体识别的准确性,采用指针网络抽取实体序列。在自建农业病害数据集上开展了对比实验,该数据集包含2933条文本语料,8个实体类型,共10414个实体。实验结果显示,CP-MRC模型的精确率、召回率、F1值达到83.55%、81.4%、82.4%,优于其他模型;在病原、作物两类嵌套实体的识别率较其他模型F1值提升3个百分点和13个百分点,嵌套实体识别率明显提升。本文提出的模型仅采用少量可训练参数仍然具备良好识别性能,为较大规模预训练模型在信息抽取任务上的应用提供了思路。

关键词：农业病害命名实体识别连续提示指针网络嵌套实体预训练语言模型

维普期刊数据库博看期刊

面向葡萄知识图谱构建的多特征融合命名实体识别

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2024年第3期40卷 201-210页

作者：聂啸林张礼麟牛当当吴华瑞朱华吉张宏鸣西北农林科技大学信息工程学院杨凌712100 陕西省农业信息感知与智能服务重点实验室杨凌712100 北京市农林科学院信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097

为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题,该研究提出了来自转换器的双向编码器表征量(bi-directional encoder representation from transformer,BERT)和残差结构(... 详细信息

为解决构建知识图谱过程中由于上下文环境复杂、现有模型字向量语义表征相对单一导致领域专业实体识别率低的问题,该研究提出了来自转换器的双向编码器表征量(bi-directional encoder representation from transformer,BERT)和残差结构(residual structure,RS)融合的命名实体识别模型(bert based named entity recognition with residual structure,BBNER-RS)。通过BERT模型将文本映射为字符向量,利用双向长短时记忆网络(bi-directional long-short term memory,BiLSTM)提取局部字符向量特征,并采用RS保留BERT提供的全局字符向量特征,以提高字向量的语义丰富度,最后通过条件随机场(conditional random field,CRF)模型对特征向量解码,获取全局最优序列标注。与其他命名实体识别模型相比,提出的BBNER-MRS模型在葡萄数据集上表现较好,在葡萄人民日报、玻森、简历和微博数据集上F1值分别达到89.89%、95.02%、83.21%、96.15%和72.51%。最后该研究依托BBNER-MRS模型,提出基于深度学习的两阶段式领域知识图谱构建方法,成功构建了葡萄知识图谱,研究结果可为相关从业人员提供技术和数据支持。

关键词：信息化深度学习知识图谱命名实体识别 BERT 残差结构

在线全文

学校读者我要写书评

暂无评论

融合时间感知和增强过滤的农业知识推荐模型

智慧农业（中英文） 2024年第1期6卷 123-134页

作者：王鹏哲朱华吉缪祎晟刘畅吴华瑞广西大学计算机与电子信息学院广西南宁530000 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced... 详细信息

[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge,TiFSA)。[方法]首先,基于时间感知的位置嵌入方法,将农户交互的时间信息与位置嵌入相结合,帮助学习农业情境下基于农时的项目相关性。其次,在时间感知位置嵌入的基础上,引入滤波器过滤算法,自适应地衰减农户情境数据中的噪声。最后,引入时间信息的多头自注意力网络,实现对时间、项目和特征的统一建模,对农户随时间变化的偏好特征进行情境表示,从而为用户提供可靠的推荐结果。[结果和讨论]根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明,该模型在农业数据集上的命中率为45.79%,归一化折损累计增益为53.52%;与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。[结论]该模型能够有效捕获农业领域的用户情境特征和建模农户的动态偏好,具有更好的推荐性能。

关键词：农业知识推荐滤波器算法时间感知自注意力网络序列推荐

基于改进YOLOv8s的大田甘蓝移栽状态检测算法

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第2期6卷 107-117页

作者：吴小燕郭威朱轶萍朱华吉吴华瑞广西大学计算机与电子信息学院广西南宁530000 国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097 农业农村部农业信息技术重点实验室北京100097

[目的/意义]借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析,将会极大提高识别效率。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减少人力和物力的浪费,研究一种自然... 详细信息

[目的/意义]借助智能化识别及图像处理等技术来实现对移栽后蔬菜状态的识别和分析,将会极大提高识别效率。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减少人力和物力的浪费,研究一种自然环境下高效识别甘蓝移栽状态的算法。[方法]采集移栽后的甘蓝图像,利用数据增强方式对数据进行处理,输入YOLOv8s(You Only Look Once Version 8s)算法中进行识别,通过结合可变形卷积,提高算法特征提取和目标定位能力,捕获更多有用的目标信息,提高对目标的识别效果;通过嵌入多尺度注意力机制,降低背景因素干扰,增加算法对目标区域的关注,提高模型对不同尺寸的甘蓝的检测能力,降低漏检率;通过引入Focal-EIoU Loss(Focal Extended Intersection over Union Loss),优化算法定位精度,提高算法的收敛速度和定位精度。[结果和讨论]提出的算法经过测试,对甘蓝移栽状态的召回率R值和平均精度均值(Mean Average Precision,mAP)分别达到92.2%和96.2%,传输速率为146帧/s,可满足实际甘蓝移栽工作对移栽状态识别精度和速度的要求。[结论]提出的甘蓝移栽状态检测方法能够实现对甘蓝移栽状态识别的准确识别,可以提升移栽质量测量效率,减少时间和人力投入,提高大田移栽质量调查的自动化程度。

关键词：甘蓝移栽 YOLOv8s 目标检测多尺度注意力机制可变形卷积

基于改进YOLOv8s的甘蓝移栽状态检测研究

在线全文

学校读者我要写书评

暂无评论

智慧农业(中英文) 2024年

作者：吴小燕郭威朱轶萍朱华吉吴华瑞农业农村部数字乡村技术重点实验室北京市农林科学院信息技术研究中心农业农村部农业信息技术重点实验室广西大学计算机与电子信息学院国家农业信息化工程技术研究中心

[目的/意义]目前缺乏用计算机对甘蓝移栽状态进行监测的方法。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减少人力和物力的浪费,研究一种自然环境下高效识别甘蓝移栽状态的算法。[方法]采... 详细信息

[目的/意义]目前缺乏用计算机对甘蓝移栽状态进行监测的方法。为了实现甘蓝大田移栽情况的实时监测和统计,提高甘蓝移栽后的成活率以及制定后续工作方案,减少人力和物力的浪费,研究一种自然环境下高效识别甘蓝移栽状态的算法。[方法]采集移栽后的甘蓝图像,利用数据增强方式对数据进行处理,输入YOLOv8s(You Only Look Once Version 8s)算法中进行识别,通过结合可变形卷积,提高算法特征提取和目标定位能力,捕获更多有用的目标信息,提高对目标的识别效果;通过嵌入多尺度注意力机制,降低背景因素干扰,增加算法对目标区域的关注,提高模型对不同尺寸的甘蓝的检测能力,降低漏检率;通过引入Focal-EIoU Loss (Focal Extended Intersection over Union Loss),优化算法定位精度,提高算法的收敛速度和定位精度。[结果和讨论]提出的算法经过测试,对甘蓝移栽状态的召回率R值和平均精度均值(Mean Average Precision,mAP)分别达到92.2%和96.2%,传输速率为146帧/s,可满足实际甘蓝移栽工作对移栽状态识别精度和速度的要求。[结论]提出的甘蓝移栽状态检测方法能够实现对甘蓝移栽状态识别的准确识别,可以提升移栽质量测量效率,减少时间和人力投入,提高大田移栽质量调查的自动化程度。

关键词：甘蓝移栽 YOLOv8s 目标检测多尺度注意力机制可变形卷积

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业大模型:关键技术、应用分析与发展方向

智慧农业（中英文） 2024年第2期6卷 1-13页

作者：郭旺杨雨森吴华瑞朱华吉缪祎晟顾静秋国家农业信息化工程技术研究中心北京100097 北京市农林科学院信息技术研究中心北京100097 农业农村部数字乡村技术重点实验室北京100097 新加坡国立大学设计与工程学院新加坡117583新加坡

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示... 详细信息

[目的/意义]近年来,人工智能在农业领域的应用取得了显著进展,但仍面临诸如模型数据收集标记困难、模型泛化能力弱等挑战。大模型技术作为近期人工智能领域新的热点技术,已在多个行业的垂直领域中展现出了良好性能,尤其在复杂关联表示、模型泛化、多模态信息处理等方面较传统机器学习方法有着较大优势。[进展]本文首先阐述了大模型的基本概念和核心技术方法,展示了在参数规模扩大与自监督训练下,模型通用能力与下游适应能力的显著提升。随后,分析了大模型在农业领域应用的主要场景;按照语言大模型、视觉大模型和多模态大模型三大类,在阐述模型发展的同时重点介绍在农业领域的应用现状,展示了大模型在农业上取得的研究进展。[结论/展望]对农业大模型数据集少而分散、模型部署难度大、农业应用场景复杂等困难提出见解,展望了农业大模型未来的发展重点方向。预计大模型将在未来提供全面综合的农业决策系统,并为公众提供专业优质的农业服务。

关键词：生成式人工智能大模型农业知识服务机器学习自主决策多模态深度学习

基于RoFormer预训练模型的指针网络农业病害命名实体识别

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第2期6卷 85-94页

作者：王彤王春山李久熙朱华吉缪祎晟吴华瑞国家农业信息化工程技术研究中心北京100097 河北农业大学信息科学与技术学院河北保定071001 农业农村部农业信息化技术重点实验室北京100097 河北省农业大数据重点实验室河北保定071001 河北农业大学机电工程学院河北保定071001

[目的/意义]针对实体嵌套、实体类型混淆等问题导致的农业病害命名实体识别(Named Entities Recognition,NER)准确率不高的情况,以PointerNet为基准模型,提出一种基于RoFormer预训练模型的指针网络农业病害NER方法RoFormer-PointerNet。... 详细信息

[目的/意义]针对实体嵌套、实体类型混淆等问题导致的农业病害命名实体识别(Named Entities Recognition,NER)准确率不高的情况,以PointerNet为基准模型,提出一种基于RoFormer预训练模型的指针网络农业病害NER方法RoFormer-PointerNet。[方法]采用RoFormer预训练模型对输入的文本进行向量化,利用其独特的旋转位置嵌入方法来捕捉位置信息,丰富字词特征信息,从而解决一词多义导致的类型易混淆的问题。使用指针网络进行解码,利用指针网络的首尾指针标注方式抽取句子中的所有实体,首尾指针标注方式可以解决实体抽取中存在的嵌套问题。[结果和讨论]自建农业病害数据集,数据集中包含2867条标注语料,共10282个实体。为验证RoFormer预训练模型在实体抽取上的优越性,采用Word2Vec、BERT、RoBERTa等多种向量化模型进行对比试验,RoFormer-PointerNet与其他模型相比,模型精确率、召回率、F1值均为最优,分别为87.49%,85.76%和86.62%。为验证RoFormer-PointerNet在缓解实体嵌套的优势,与使用最为广泛的双向长短期记忆神经网络(Bidirectional Long Short-Term Memory,BiLSTM)和条件随机场(Conditional Random Field,CRF)模型进行对比试验,RoFormer-PointerNet比RoFormer-BiLSTM模型、RoFormer-CRF模型和RoFormer-BiLSTM-CRF模型分别高出4.8%、5.67%和3.87%,证明用指针网络模型可以很好解决实体嵌套问题。最后验证RoFormer-PointerNet方法在农业病害数据集中的识别性能,针对病害症状、病害名称、防治方法等8类实体进行了识别实验,本方法识别的精确率、召回率和F1值分别为87.49%、85.76%和86.62%,为同类最优。[结论]本研究提出的方法能有效识别中文农业病害文本中的实体,识别效果优于其他模型。在解决实体抽取过程中的实体嵌套和类型混淆等问题方面具有一定优势。

关键词：农业病害命名实体识别实体嵌套 RoFormer预训练模型指针网络

融合RoBERTa-WWM和全局指针网络的农业病害实体关系联合抽取研究

在线全文

学校读者我要写书评

暂无评论

河北农业大学学报 2024年第3期47卷 113-120,129页

作者：王彤张立杰王铭吴华瑞朱华吉杨英茹王春山河北农业大学信息科学与技术学院河北保定071001 河北农业大学机电工程学院河北保定071001 国家农业信息化工程技术研究中心北京100097 石家庄市农林科学研究院河北石家庄050041 河北省教育考试院河北石家庄050091

针对实体和关系抽取过程中存在的一词多义、实体嵌套、三元组重叠的问题,本文提出了1种融合RoBERTa-WWM和全局指针网络的联合抽取模型RBGPL。该模型引入RoBERTa-WWM预训练模型,利用上下文的语境信息融合克服了不同语境下一词多义问题;... 详细信息

针对实体和关系抽取过程中存在的一词多义、实体嵌套、三元组重叠的问题,本文提出了1种融合RoBERTa-WWM和全局指针网络的联合抽取模型RBGPL。该模型引入RoBERTa-WWM预训练模型,利用上下文的语境信息融合克服了不同语境下一词多义问题;采用全局指针网络Global pointer标注方式解决了实体嵌套问题;通过全局指针联合解码模型将三重抽取转变为五重提取,解决了三元组重叠问题。在自建农业病害数据集上,模型RBGPL的精确率、召回率、F1值达到76.23%,91.18%,83.04%,与其他联合抽取模型相对比F1值均取最优,有效地克服了一词多义问题和三元组重叠问题。此外,在病原(Pathogeny)和作物名称(Crop)2种易嵌套实体的F1值上提升了3%和18%,实体嵌套得到了显著缓解。本文方法提高了中文农业病害领域实体关系抽取性能,可为农业病害领域知识图谱的构建提供技术支持。

关键词：农业病害联合抽取 RoBERTa-WWM Global pointer

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

融合农村居民意图的健康知识推荐方法

计算机工程与设计 2024年第7期45卷 2142-2149页

作者：王馨悦吴华瑞陈雯柏韩笑朱华吉赵春江北京信息科技大学自动化学院北京市农林科学院信息技术研究中心国家农业信息化工程技术研究中心农业农村部数字乡村技术重点实验室

为提高农村居民健康认知水平，提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好，建模用户层中村民与健康知识间的关系路径，捕获村民获取健康知识的潜在意图，利用图卷积与注意力机制传播聚合村民意... 详细信息

为提高农村居民健康认知水平，提出一种融合农村地区居民意图的健康知识推荐方法。考虑到村民对不同健康知识的偏好，建模用户层中村民与健康知识间的关系路径，捕获村民获取健康知识的潜在意图，利用图卷积与注意力机制传播聚合村民意图邻居节点信息，获得村民与健康知识的高阶邻域表示，通过双交叉聚合器将初始节点与邻域表示进行聚合，增强村民与健康知识的表示能力，实现村民健康知识精确推荐。基于农村健康知识数据集验证研究模型有效性，结果表明该模型在准确率、NDCG指标上均得到了一定程度的提高。

关键词：农村知识推荐注意力机制知识图谱嵌入传播健康知识神经网络