共查询到18条相似文献,搜索用时 187 毫秒
1.
随着农业大数据时代的到来,如何开展直观的有效信息挖掘成为数据利用的一大难题。作为一种能够帮助人们高效地管理现实世界中事物及其关系的异构语义网络,知识图谱应用在近年来备受关注。在农业数据不断增加、结构越来越复杂的背景下,将知识图谱应用于农业领域有助于农业大数据分析,促进智慧农业发展。该文首先分析了知识图谱构建的模式,即自顶向下、自底向上及两种模式结合等3种模式的特点,然后从本体构建、知识抽取、知识融合、知识推理、知识图谱存储及可视化5个方面综述了农业知识图谱构建的关键技术应用进展与难点,接着对当前知识图谱在农业领域的应用进行了梳理,主要有农业专题文献计量研究、农业信息检索、农业知识问答和农业信息资源推荐等4个方面,最后对知识图谱技术在农业领域的应用研究方向进行了展望,认为未来应关注基于知识图谱的农产品电商推荐、动态农业知识图谱的构建、跨领域知识图谱的构建与关联等方面。 相似文献
2.
3.
农业知识驱动服务技术是指运用先进信息技术,科学、高效调配农业领域专业知识服务资源,为农业行业提供智能化知识服务的技术,在解决农业技术服务供需严重失衡等难点问题方面具有重要意义,日益成为支撑农业转型升级和高质量发展的重要引擎,代表着核心研究方向,伴随着技术发展全过程。目前农业行业迫切需要解决的是知识供给严重不足、服务效率不高的问题,农业知识驱动服务技术经历较长时间发展,在知识高效匹配和精准供给方面取得了较大进步,特别是2022年11月以来ChatGPT这类技术的出现,充分展现了超大规模预训练模型在知识智能服务方面的巨大潜力,这也是农业知识驱动服务可以取得突破的关键所在,可以在这方面发挥重要作用。该文在分析农业知识驱动服务相关技术现状的基础上,展望了农业领域可行的知识驱动服务技术路径,预测农业领域知识服务大模型研发构建会呈现参数由少到多、算力由弱趋强、强化训练逐渐加深的特点得到快速发展应用,未来将在专业技术指导、农业“装备-信息-农艺”融合、农业信息系统平台服务总线等方面系统升级现有农业知识服务范式,多模态服务将得到系统融合加深,人机交互模式将向“人性化”方向进一步黏合增强,从而为农业智能化转型升级提供全新的技术支撑,引领农业知识服务从数据检索、语义匹配迈向生成式知识驱动模式转变。 相似文献
4.
5.
基于数据仓库和数据挖掘技术的温室决策支持系统(简报) 总被引:6,自引:1,他引:5
农业领域的专家知识多是描述性和经验性的知识,难以进行精确的数学描述,这给农业决策支持系统的构建带来了一定的困难。为解决这种传统的决策支持系统的不足,介绍了基于数据仓库技术和数据挖掘技术构建的温室决策支持系统。该系统通过建立数据仓库来存储各种来自异质的信息源的数据,利用联机分析处理实现多维数据分析,然后通过数据挖掘技术从数据仓库中获得新的农业知识,以丰富决策支持系统的知识库。在系统的实现过程中,采用了SQL Server分析服务,实现数据挖掘与数据仓库以及应用程序的紧密耦合,从而大大提高了数据挖掘效率。将数据仓库、联机分析处理、数据挖掘三者结合起来形成了一种新的温室决策支持系统。 相似文献
6.
7.
基于自适应双阈值的蔬菜病害知识视频分割方法 总被引:2,自引:1,他引:1
针对以3G 手机为媒介的农业知识视频传输质量与传输时间、流量及费用冲突等问题,提出了一种基于自适应双阈值法的农业知识视频分割方法.利用双阈值自适应变化逼近视频镜头分割最佳阈值,通过比较镜头相似度确定因阈值偏差产生的误检镜头进而对分割结果修正.蔬菜病害知识视频分割试验表明,该文整体算法的设计能够实现快速分割,并使得镜头查全率大于95%、查准率大于98%,视频分割效果可满足农民用户的专业化、个性化的信息需求,同时为其他农业知识视频的分割提供了参考方案. 相似文献
8.
研究构建了系统所需的基于农业类和生活常识类信息的结构化数据库,在此基础上,通过问句处理、信息检索和答案抽取开发了一个农民信息服务问答系统。描述了系统的结构和工作流程,详细阐述了各部分实现的关键技术。系统提问方式简单方便、答案准确简洁,较好地满足了农民用户实际生活需要。 相似文献
9.
10.
农业语音信息咨询服务系统在农业信息服务领域中的应用研究 总被引:1,自引:0,他引:1
本文主要介绍了一种基于电信网与因特网的农业语音信息咨询服务系统的构建模式,以及它作为一种新兴信患服务方式在农业信患咨询服务领域中的应用前景分析,希望这种人机结合的方式可为互联网建设尚不发达而电话已达到一定普及率的广大农村地区提供一种获取信息和发布信息的新途径。 相似文献
11.
从用户对农产品信息的需求来看,农产品问答系统能够较好的满足用户的需求,而系统中的用户交互接口是直接面向用户使用的,因而在系统中具有重要的作用。本论文首先介绍了农产品问答系统的总体设计,然后讨论了用户交互接口设计方法,并对关键技术进行了研究。 相似文献
12.
针对传统答案选择模型仅依靠问答对自身信息进行匹配的问题,该研究提出了一种使用多模态知识图谱来增强问答对的答案选择模型。该模型通过设计基于ComplEx(complex embedding)图谱嵌入的方法学习多模态知识图谱嵌入,引入上下文注意力机制并使用CNN网络获取多模态知识图谱的特征表示,使用知识感知注意力方法,将多模态知识图谱提供的背景知识与问答对的文本语义信息融合。以葡萄种植为例,通过搭建葡萄种植多模态知识图谱和构造葡萄种植问答数据集开展试验,试验结果表明: 使用多模态知识图谱有助于模型获取更多信息从而达到更好的效果,在葡萄问答数据集中正确答案的平均倒数排名和平均准确率分别达到了85.02%、84.21%,与其他模型相比平均倒数排名提高2.57个百分点,平均准确率提高了3.96个百分点。该答案选择模型利用多模态知识图谱的知识提高答案选择效果,可为搜索、问答等下游任务提供技术基础。 相似文献
13.
从促进无公害农产品流通,提高认证产品信息服务质量出发,该文以无公害农产品目录为研究对象,以实现认证产品信息的个性化检索与推荐为目标,进行产品目录智能服务的关键技术研究。以产品概念、属性和语义关系为主体,设计产品目录本体模型,建立产品目录领域本体,形成无公害农产品电子化目录;基于产品目录领域本体,从本体概念层面进行用户兴趣特征建模,采用语义清晰度与用户兴趣度的综合值设置概念权值,建立个性化产品目录加权本体模型,并设计个性化产品目录加权本体建立算法,实现用户兴趣的动态、准确和全面描述;通过个体过滤、综合过滤、概念映射、语义查询扩展和查询结果优化,构建个性化产品目录信息推荐与检索算法,建立产品目录智能服务系统。在检索结果用户满意度对比试验中,相比于基于领域本体检索、基于语义相似度优化检索和基于个性化本体优化检索3种方式,分别提高了31%、21%和14%,结果表明可在一定程度上提高无公害农产品目录信息检索推荐的质量和满意度,满足个性化的需求,同时也可为无公害农产品推广、品牌化销售和电子化交易提供技术支撑,具有较好的应用前景。 相似文献
14.
15.
语义相似度计算是信息处理中的一个关键问题。针对领域本体语义相似度计算模型考虑因素过于单一、主观性较强、计算精度较低等问题,该文首先针对本体模型的结构特点,提出一种计算节点密度的新方法,并从模型概念间的关系类型、节点密度、节点深度等方面分析本体概念相似度的组成,并赋予不同的权重,从而计算概念对间的结构相似度;接着,根据文献资料和经验知识,构建本体概念对的属性网格以获取概念的属性相似度;然后,基于本体层次网络结构计算根、叶节点的 B-U 概率,进而计算语义信息量,该方法不依赖于专家经验,具有客观性;再次,结合本体结构、信息量、属性等影响相似度的因素,提出一种计算概念间语义相似度的综合算法,该算法考虑到不同的影响因子在语义相似度计算中的重要程度不同,从而赋予农业本体中概念对关系不同的权值;最后,以农业领域农作物本体的语义相似度的计算为例进行实例验证,并给出“甜玉米”和“糯玉米”语义相似度计算的详细过程。试验表明该文提出的语义相似度算法的计算结果(0.8206)和标准差(0.0565)较之其他3种语义相似度算法更接近人们直观认知和专家意见,能有效提高语义相似度计算的精度和有效性。 相似文献
16.
17.
农业物联网技术应用及创新发展策略 总被引:1,自引:8,他引:1
农业是物联网技术应用的重点领域之一,也是物联网技术应用需求最迫切、难度最大、集成性特征最明显的领域。该文对农业物联网国内外技术应用现状、存在的问题以及农业领域关键应用环节进行了深入分析,在此基础上提出了农业物联网未来技术发展重点以及对策措施。农业物联网未来技术发展重点:农业物联网信息感知与识别技术,农业物联网自组织网络部署与信息传输技术,农业物联网自组织网络部署与信息传输技术,农业物联网安全监管与服务质量保障技术。农业物联网对策措施:加强农业物联网技术规范研究,加强核心关键技术产品研发,加强农业物联网技术集成平台建设,加强农业物联网产品设备检测,加强农业物联网应用布局,进一步优化和完善政策环境。该研究为中国农业物联网可持续发展提供决策参考。 相似文献
18.
基于实体级遮蔽BERT与BiLSTM-CRF的农业命名实体识别 总被引:1,自引:1,他引:0
字符的位置信息和语义信息对命名方式繁杂且名称长度较长的中文农业实体的识别至关重要。为解决命名实体识别过程中由于捕获字符位置信息、上下文语义特征和长距离依赖信息不充足导致识别效果不理想的问题,该研究提出一种基于EmBERT-BiLSTM-CRF模型的中文农业命名实体识别方法。该方法采用基于Transformer的深度双向预训练语言模型(Bidirectional Encoder Representation from Transformers,BERT)作为嵌入层提取字向量的深度双向表示,并使用实体级遮蔽策略使模型更好地表征中文语义;然后使用双向长短时记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)学习文本的长序列语义特征;最后使用条件随机场(Conditional Random Field,CRF)在训练数据中学习标注约束规则,并利用相邻标签之间的信息输出全局最优的标注序列。训练过程中使用了焦点损失函数来缓解样本分布不均衡的问题。试验在构建的语料库上对农作物品种、病害、虫害和农药4类农业实体进行识别。结果表明,该研究的EmBERT-BiLSTM-CRF模型对4类农业实体的识别性能相较于其他模型有明显提升,准确率为94.97%,F1值为95.93%。 相似文献