基于深度学习的作物病虫害可视化知识图谱构建

针对作物病虫害领域存在实体关系交叉关联、多源异构数据聚合能力差、知识共享困难等问题,利用知识图谱以结构化的形式描述实体间复杂关系的优势,该研究提出了一种基于深度学习的作物病虫害知识图谱构建方法。该方法在领域本体的基础上,以一种与领域语料相适应的新标注模式实现实体和关系的联合抽取。将实体和关系抽取任务转化为序列标注问题,对实体和关系进行同步标注,有效提高标注效率;为了解决重叠关系抽取问题,直接对三元组建模而不是分别对实体和关系建模,通过标签匹配和映射即可获得三元组数据。利用来自转换器的双向编码器表征量（Bidirectional Encoder Representations from Transformers,BERT）-双向长短期记忆网络（Bi-directional Long-Short Term Memory,BiLSTM）+条件随机场（Conditional Random Field,CRF）端到端模型进行试验,结果表明效果优于基于普通标注方式的流水线方法和联合学习方法中的卷积神经网络（Convolutional Neural Networks,CNN）+BiLSTM+CRF、BiLSTM+CRF等经典模型,F1得分为91.34%。最后,将抽取到的知识存储到Neo4j图数据库中,直观地反映知识图谱的内部结构,实现知识可视化和知识推理。该研究构建的知识图谱可为作物病虫害智能问答系统、推荐系统、智能搜索等下游应用提供高质量的知识库基础。     

区块链技术在农产品溯源领域的应用研究

为将区块链技术与农产品溯源相结合以解决食品安全问题、推动农业健康发展,分析了国内食品安全问题频发的原因,论证了农产品溯源的必要性,详细阐述了区块链技术的概念与主要特征,系统回顾了国外主要发达国家以及国内的农业溯源体系形成与发展的历程,提出将区块链技术与农业溯源系统相结合的观点。通过深入探讨农产品溯源领域有代表性的区块链应用案例,总结得出区块链技术在农业溯源系统中的应用有2个维度的影响。区块链技术的应用有利有弊,文章最后就区块链技术在国内农业溯源体系中的应用与发展提出4点建议,希望为推动区块链技术在农业领域的深入发展提供有益参考。