Enfermedades y plagas de los cultivos chinos reconocimiento de entidades nombradas basado en el cuello de botella de...

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias de la computación
• La bioinformática

Sus antecedentes:

• El reconocimiento de entidades con nombre (NER, por sus siglas en inglés) es crucial para la informatización agrícola.
• Los métodos existentes luchan con datos ruidosos, límites ambiguos y errores de anotación en los datos de enfermedades y plagas de los cultivos.

Objetivo del estudio:

• Desarrollar un modelo robusto de aprendizaje profundo para las enfermedades y plagas de los cultivos chinos denominado reconocimiento de entidades (CCDP-NER).
• Mejorar la precisión y la solidez de la extracción de las entidades agrícolas del texto específico del dominio.

Principales métodos:

• Propuso un modelo de aprendizaje profundo que combina unidad recurrente con puerta bidireccional (BiGRU) para dependencias de largo alcance y redes neuronales convolucionales dilatadas de varios niveles (DCNNs) para características locales.
• Cuello de botella de información variacional incorporado (VIB) para filtrar el ruido y mejorar la correlación entre las etiquetas de características.
• Integrado un módulo de detección de límites de entidad para mejorar la precisión de reconocimiento.

Principales resultados:

• El modelo CCDP-NER propuesto logró una alta puntuación F1 del 90,64% en un conjunto de datos personalizado.
• Se ha demostrado la eficacia de la identificación de las enfermedades y plagas de los cultivos.
• Demostró una mejor robustez del modelo frente a datos ruidosos y límites ambiguos.

Conclusiones:

• El modelo CCDP-NER basado en el aprendizaje profundo ofrece un avance significativo en la minería de textos agrícolas.
• El rendimiento del modelo destaca su potencial para aplicaciones como la construcción de gráficos de conocimiento agrícola y sistemas de preguntas y respuestas.
• Esta investigación contribuye a mejorar la informatización agrícola mediante la mejora de las técnicas de extracción de datos.