软提示调整植物害虫和疾病的分类从口语描述

科学领域:

• 农业科学 农业科学
• 计算语言学 计算语言学
• 人工智能的人工智能

背景情况:

• 准确识别植物害虫和疾病对于作物健康和农业生产率至关重要.
• 农民经常使用非正式语言来描述症状,传统的智能农业系统难以解释这种语言.
• 现有的系统依赖于正式的术语和结构化的输入,以自然农民描述限制其有效性.

研究的目的:

• 开发一种创新的方法来根据农民口语症状报告对植物害虫和疾病进行分类.
• 弥合非正式农民语言和正式农业术语之间的差距.
• 为了提高智能农业助理的性能.

主要方法:

• 利用预训练语言模型 (PLM) 进行命名实体识别和域特定知识检索.
• 通过知识丰富过程来丰富输入数据,以使通俗术语与正式概念保持一致.
• 应用软提示调整与外部知识增强的verbalizer用于分类任务.

主要成果:

• 拟议的软提示调整方法显著超过了基线方法,包括最先进的大型语言模型 (LLM).
• 在从非正式农民描述中对植物害虫和疾病进行分类方面表现出卓越的表现.
• 验证了非正式表达和正式农业概念之间的语义对齐的有效性.

结论:

• 软提示调整为在植物健康诊断中解释非正式农民语言提供了一个有希望的解决方案.
• 开发的方法对创建更容易获得和更智能的农业支持系统有实际影响.
• 强调先进的NLP技术在应对现实世界农业挑战方面的潜力.