科研产出
基于ERNIE-BiLSTM-CRF模型的土壤肥力命名实体识别研究
《园艺与种苗 》 2023
摘要：为充分利用安徽省土壤肥力指标数据,解决现有土壤肥力命名实体识别方法普遍存在的效率低、迁移能力较差以及长文本处理影响效果等问题,文中提出了一种基于ERNIE-BiLSTM-CRF模型的土壤肥力命名实体识别方法,并构建了一套安徽省土壤肥力知识问答系统.首先将土壤肥力数据集中的长文本处理为短文本,对土壤肥力信息使用ERNIE模型编码,得到保留语义关联的词表示形式,再利用BiLSTM模型进行特征提取,对一切可能的标签序列评分并输出给CRF模型,最后使用CRF模型解码获取分数最高的标签序列,生成实体标签序列.结果表明,与HMM模型、CRF模型、BiLSTM模型、BiLSTM-CRF模型相比较,本文使用的基于ERNIE-BiLSTM-CRF模型的土壤肥力命名实体识别方法,准确率P达到92.85%、召回率R达到92.00%、F1值达到92.59%,取得了相对较好的识别效果.
关键词： 命名实体识别 ERNIE-BiLSTM-CRF 土壤肥力 标签序列 长文本处理.
全文链接
请求原文
基于PCNN-Attention的土壤肥力关系抽取研究
《安徽农业科学 》 2022
摘要：关系抽取旨在抽取文本中实体间的语义关系,是知识图谱构建和信息抽取中的一个关键环节.针对中文土壤肥力文本中语法结构复杂、指标类型较多、同一指标描述方式不同等问题,提出一个基于结合注意力机制的分段卷积神经网络(PCNN-Attention)的土壤肥力关系抽取模型,模型利用分段卷积神经网络实现关系抽取,并在此基础上添加了注意力机制,以提高关系分类的准确性.在构建的数据集中,该模型对多种土壤肥力关系进行抽取,准确度、召回率、F1值加权平均值分别达到了89%、89%、88%,验证了该方法的可行性和有效性,能够满足土壤肥力知识图谱系统构建的需求.
关键词： 土壤肥力 PCNN 注意力机制 关系抽取 知识图谱
全文链接
请求原文
猪坏死杆菌的诊断与综合防治
《畜牧与饲料科学 》 2009
摘要：坏死杆菌病(necrobacillosis)是由坏死梭杆菌引起的一种人和多种动物共患的传染病。该病以皮肤、皮下组织、消化道黏膜和部分内脏器官的坏死为主要特征,在养猪生产中主要以架子猪、育肥猪以及母猪多见。随着集约化养猪业的快速发展,猪坏死杆菌病在我国频频发生,给养猪业造成一定的经济损失。对该病有效地进行诊断和科学防治,不但对我国养猪业的健康发展具有非常重要的意义,由于该病也可以感染人类,因此还有重要的公共卫生学意义。从病原、流行病学、临床症状、剖检变化、实验室诊断和综合防制等方面进行了较详细的介绍,以期为该病制定科学有效的防治方法提供参考依据。
全文链接
请求原文
猪传染性胸膜肺炎的诊治
《畜牧与饲料科学 》 2009
摘要：笔者从猪传染性胸膜肺炎的病原学、流行病学、临床症状和病理学变化等方面作一综述,并对该病的诊断方法进行了研究,同时提出了该病的防控对策。
全文链接
请求原文
农业科技查新咨询在科研中的作用
《安徽农业科学 》 2002 CSCD
摘要：阐述了农业科技查新咨询工作在科研中的重要作用 ,叙述了查新程序中的每个环节 ,并对查新工作中存在的问题和对策进行了探讨。
全文链接
请求原文
