中国の作物病と害虫 名称の認識 変数情報ボトルネックと特徴の強化
Runqing Huang1, Meijing Li2, Huilin Zheng3
1College of Information Engineering, Shanghai Maritime University, Shanghai, 201306, China.
Scientific reports
|August 27, 2025
まとめ
BiGRU,DCNN,変数情報ボトルネックを統合することで,新しいディープラーニングモデルにより,中国の作物病および害虫名付けエンティティ認識 (CCDP-NER) が強化されています. このアプローチは,より良い農業情報化のための農業データ抽出の精度を改善します.
科学分野:
- 農業科学
- コンピュータ科学
- バイオ情報学
背景:
- NERは農業の情報化に不可欠です.
- 既存の方法は,騒々しいデータ,曖昧な境界線,作物の病気と害虫のデータにおける注釈の誤りで苦戦しています.
研究 の 目的:
- 中国の作物病や害虫に対する強力な深層学習モデル (CCDP-NER) を開発する.
- 分野特有のテキストから農業エンティティを抽出する精度と堅実性を向上させる.
主な方法:
- 遠距離依存関係のための双方向ゲートリキュアントユニット (BiGRU) とローカル機能のための多層の拡張コンボリューションニューラルネットワーク (DCNNs) を組み合わせたディープラーニングモデルを提案した.
- 雑音をフィルターし,機能ラベルの相関性を高めるための組み込みのバリエーション情報ボトルネック (VIB).
- 認識の精度を向上するためにエンティティの境界検出モジュールを統合しました.
主要な成果:
- 提案されたCCDP-NERモデルは,カスタムデータセットで90.64%の高いF1スコアを達成しました.
- 農作物の病気や害虫を効果的に特定した.
- 騒々しいデータと曖昧な境界に対するモデルの強さを向上させました.
結論:
- ディープラーニングに基づいたCCDP-NERモデルは,農業のテキストマイニングに大きな進歩をもたらします.
- このモデルの性能は,農業知識グラフ構築や質問応答システムなどの応用の可能性を強調しています.
- この研究は,改善されたデータ抽出技術を通じて農業の情報化を促進します.
さらに関連する動画
06:25Localization and Quantification of Begomoviruses in Whitefly Tissues by Immunofluorescence and Quantitative PCR
Published on: February 8, 2020
5.7K
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
1.2K
