基于变异性信息瓶和特征增强的中国作物疾病和害虫命名实体识别
Runqing Huang1, Meijing Li2, Huilin Zheng3
1College of Information Engineering, Shanghai Maritime University, Shanghai, 201306, China.
Scientific reports
|August 27, 2025
概括
一个新的深度学习模型通过整合BiGRU,DCNN和变异信息瓶来增强中国作物疾病和害虫命名实体识别 (CCDP-NER). 这种方法提高了农业数据提取的准确性,以提高农业信息化.
科学领域:
- 农业科学
- 计算机科学
- 生物信息学
背景情况:
- 命名实体识别 (NER) 对于农业信息化至关重要.
- 现有的方法在作物疾病和害虫数据中存在噪音数据,模两可的界限和注释错误.
研究的目的:
- 开发一个强大的深度学习模型,用于中国作物疾病和名为实体识别 (CCDP-NER).
- 提高从特定领域文本中提取农业实体的准确性和稳定性.
主要方法:
- 提出了一个深度学习模型,用于长距离的依赖关系,结合了双向门式循环单元 (BiGRU) 和多级扩展卷积神经网络 (DCNNs) 来实现本地特征.
- 集成的变量信息瓶 (VIB) 来过噪音并增强功能标签的相关性.
- 集成了一个实体边界检测模块以提高识别精度.
主要成果:
- 拟议的CCDP-NER模型在定制数据集上获得了高F1分数90.64%.
- 证明有效识别作物疾病和害虫实体
- 对噪音数据和模两可的边界进行了改进.
结论:
- 基于深度学习的CCDP-NER模型在农业文本挖掘方面取得了重大进展.
- 该模型的性能突显了其在农业知识图表构建和问答系统等应用方面的潜力.
- 这项研究有助于通过改进的数据提取技术加强农业信息化.
更多相关视频
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
