检索结果-南通市图书馆

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

同方期刊数据库

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

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

在线全文

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

在线全文

学校读者我要写书评

暂无评论

小规模农产品加工企业联合优化召回模型

农业机械学报 2012年第11期43卷 157-162,168页

作者：李锋吴华瑞朱华吉缪祎晟马为红国家农业信息化工程技术研究中心北京100097

针对当前召回模型仅能优化召回规模的问题,分析了批次分散模型,并加入批次的品质属性,给出了原料-部件-成品的规模比例和品质权重约束条件,提出了一种召回数量-成品品质的联合优化召回模型。针对小规模农产品加工企业的产品召回优化需求... 详细信息

针对当前召回模型仅能优化召回规模的问题,分析了批次分散模型,并加入批次的品质属性,给出了原料-部件-成品的规模比例和品质权重约束条件,提出了一种召回数量-成品品质的联合优化召回模型。针对小规模农产品加工企业的产品召回优化需求,分析了联合优化模型的运算开销,给出了相关算例和优化结果。结果表明,该联合优化模型可以在减小召回规模的基础上,提高成品的品质。

关键词：农产品加工可追溯产品召回优化

基于统计分布的小麦农田多径衰落信道建模研究

在线全文

学校读者我要写书评

暂无评论

电子学报 2016年第3期44卷 665-672页

作者：缪祎晟吴华瑞李飞飞朱丽国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点实验室北京100097 北京邮电大学电子工程学院北京100876

为预测无线传感器网络通信质量并指导节点部署与拓扑控制,研究提出小麦农田信道多尺度建模方法.根据农田作物生长态势及其与信号传播路径的相对关系,提取环境关联参数.按作物遮挡程度不同,分别提出和采用对数模型与概率分布模型进行描... 详细信息

为预测无线传感器网络通信质量并指导节点部署与拓扑控制,研究提出小麦农田信道多尺度建模方法.根据农田作物生长态势及其与信号传播路径的相对关系,提取环境关联参数.按作物遮挡程度不同,分别提出和采用对数模型与概率分布模型进行描述分析,结合实测样本数据对模型因子进行拟合,建立了小麦农田多径衰落信道下的经验模型并进行模型评价.结果表明,无遮挡条件下采用环境关联参数拟合的大尺度模型结果的相关系数在0.98以上;遮挡条件下,采用多尺度概率分布模型描述的平均偏差在0.04以下,达到了对小麦农田多径信道准确描述的预期研究目标.

关键词：无线传感器网络多径信道小麦农田多尺度效应分布模型

能量高效的农田无线传感器网络拓扑关联路由算法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2015年第8期46卷 232-238页

作者：孙想吴保国吴华瑞缪祎晟李庆学北京林业大学信息学院北京100083 国家农业信息化工程技术研究中心北京100097 农业部农业信息技术重点开放实验室北京100097

针对农田无线传感器网络节点分布不均、能量约束严格等特点,提出了一种能量高效的簇头选择方法TBCS-EA,在以剩余能量进行簇头选择的基础上根据节点拓扑位置、拓扑密度等进行加权,使距离sink较近的节点与密集区节点大概率成为簇头,提高... 详细信息

针对农田无线传感器网络节点分布不均、能量约束严格等特点,提出了一种能量高效的簇头选择方法TBCS-EA,在以剩余能量进行簇头选择的基础上根据节点拓扑位置、拓扑密度等进行加权,使距离sink较近的节点与密集区节点大概率成为簇头,提高成簇能量使用效率。针对现有成簇算法频繁进行簇头选举,算法开销大等问题,提出了一种能量逼近式簇头轮换机制,节点连续担任簇头并以某一目标进行能量逼近,在达到逼近目标后进行根据簇内信息指定新簇头,减少簇头选择的次数与协议开销。仿真与实验结果表明,TBCS-EA算法的网络生命周期约为LEACH的2.2倍,CHCS的1.5倍,从节点能量曲线看能耗均衡效果与CHCS相当,明显优于LEACH。结果显示TBCS-EA综合性能较之于现有算法有明显提升。

关键词：农田无线传感器网络网络拓扑路由协议能耗优化

基于正则化与时空约束改进K最近邻算法的农业物联网数据重构

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2019年第14期35卷 183-189页

作者：吴华瑞李庆学缪祎晟宋玉玲国家农业信息化工程技术研究中心北京100097 北京农林科学院北京农业信息技术研究中心北京100097 农业农村部农业物联网重点实验室杨凌712100

针对农业复杂环境易发的物联网感知数据丢失异常问题,该文提出一种基于正则化惩罚的K最近邻数据重构方法(K nearest neighbor-regularization penalty,KNN-RP),采用岭回归方法对最近邻方法中的最小二乘因子进行正则化,并讨论了惩罚项的... 详细信息

针对农业复杂环境易发的物联网感知数据丢失异常问题,该文提出一种基于正则化惩罚的K最近邻数据重构方法(K nearest neighbor-regularization penalty,KNN-RP),采用岭回归方法对最近邻方法中的最小二乘因子进行正则化,并讨论了惩罚项的范数选取形式。通过对农业物联网感知数据的时空稳定性与相关性分析,确定了时间与空间约束矩阵的定义方式。采用温室数据样本对算法性能进行交叉验证,结果显示该文的KNN-RP性能在点丢失模型下优于KNN、反距离加权KNN算法以及DT算法,而在块丢失模型下优于KNN和反距离加权KNN算法,略低于DT算法,提高了农业物联网的感知数据质量。该研究可为基于物联网数据的农业生产决策提供参考。

关键词：算法模型农业物联网数据重构聚类回归

在线全文

学校读者我要写书评

暂无评论

基于改进粒子群的农田WSN路由优化方法

计算机工程 2022年第10期48卷 218-223页

作者：缪祎晟赵春江吴华瑞北京工业大学信息学部北京100124 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技术重点实验室北京100097

农田无线传感器网络(WSN)应用环境复杂,影响网络传输的因素包括环境变化、作物生长等。路由协议作为网络数据采集过程中的重要环节,其能耗优化是近年来农田WSN领域的研究热点。传统的能耗优化路由算法多数只针对静态网络环境,难以适用... 详细信息

农田无线传感器网络(WSN)应用环境复杂,影响网络传输的因素包括环境变化、作物生长等。路由协议作为网络数据采集过程中的重要环节,其能耗优化是近年来农田WSN领域的研究热点。传统的能耗优化路由算法多数只针对静态网络环境,难以适用于动态变化的农田监测场景。为此,提出一种基于改进粒子群(PSO)的路由优化算法RD-PSO。将不同的路由传输路径抽象为粒子,根据农田网络能耗、剩余能量、网络传输跳数、链路质量等关键因子构建适应度函数,以提高路径寻优的环境适应性。同时,针对PSO路由随机初始化时迭代效率低的问题,采用反向探测方法确定网络节点的初始化拓扑位置,缩短初始位置与最优解的距离,从而提高算法的收敛速度。实验结果表明,相较ELMR、EEABR和MR-PSO路由算法,RD-PSO算法具有更快的收敛速度,在网络生命周期、能耗均衡效果以及平均传输跳数等方面性能较优,其能提高路由算法在农田动态场景中的适配性。

关键词：农田无线传感器网络路由算法路径动态选择粒子群算法能耗优化