生物启发的多颗粒度模型,用于水害虫和疾病,在中国被称为实体识别
Zhan Tang1, Xiaoyu Lu1, Enli Liu1
1School of Artificial Intelligence and Big Data, Sichuan University of Arts and Science, Dazhou 635000, China.
Biomimetics (Basel, Switzerland)
|October 28, 2025
概括
一个新的深度学习模型使用先进的文本分析准确地识别了水害虫和疾病. 这项技术通过识别数据中的复杂实体,有助于农业信息化和作物保护.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 生物信息学是一种生物信息学.
背景情况:
- 米是重要的主食作物,面临着来自害虫和疾病的重大威胁.
- 农业数据的有效管理对于现代农业实践至关重要.
- 命名实体识别 (NER) 对于早期检测和控制作物问题至关重要.
研究的目的:
- 开发一种先进的深度学习模型,用于识别大米害虫和疾病.
- 解决NER面临的挑战,包括水害虫和疾病,包括结构复杂性和嵌套实体.
- 提高农业数据用于作物保护的准确性和效率.
主要方法:
- 用BERT来编码文本表示.
- 采用多颗粒度卷积神经网络 (CNN) 来捕获嵌套边界信息.
- 实现了双向长期短期记忆网络 (BiLSTM) 与条件随机场 (CRF) 进行序列建模和标记.
主要成果:
- 拟议的深度学习模型有效地提取了多细分特征.
- 该模型在识别与大米疾病和害虫有关的实体方面表现出强的表现.
- 在定制数据集上获得了91.74%的高F1得分,表明了显著的准确性.
结论:
- 开发的模型提供了一个强大的解决方案,用于在水害虫和疾病的背景下命名实体识别.
- 这种方法增强了农业准确早期预防和控制战略的潜力.
- 这些发现有助于通过复杂的数据分析技术推动农业信息化.
