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
土壤铅镉污染修复中植物修复技术的研究进展
《中国沼气 》 2019
摘要：近年来,由于工业"三废"治理不彻底、化肥农药的过量使用以及剩余污泥回用农田等原因,导致我国土壤重金属污染日趋严重。重金属无法被降解,易在土壤中累积,并通过生物富集和生物放大效应对环境和人类健康造成危害。土壤重金属污染修复与治理成为研究热点。重金属污染治理包括客土法、石灰改良法、化学淋洗法、植物修复等,这些方法各具特点,均有其适用范围,得到国内外学者的普遍关注。文章针对土壤铅镉污染的植物修复技术展开综述,并对可能影响植物修复的一些因素进行了介绍,最后对本领域的研究方向进行了展望,以期为同行业的从业者提供一定的借鉴。
全文链接
请求原文
气象因子对安徽省农作物病虫害发生发展的影响
《农业灾害研究 》 2017
摘要：以安徽省宿州市、滁州市、黄山市为例,通过分析当地气象观测站自1991年1月到2015年12月的气象资料,研究各类气象因子对我省农作物病虫害发生、发展影响,旨在为进一步预测病虫害的发生提供基础资料。
全文链接
请求原文
安徽省农业气象灾害时间分布特征与灰色关联分析
《中国农学通报 》 2017
摘要：为了探寻安徽省农业气象灾害的分布特点以及各种气象灾害对粮食生产的影响,本研究基于安徽省1992—2012年有关气象灾害数据,对4种主要气象灾害(旱灾、水灾、风雹灾、霜冻灾)的分布特征进行统计分析,并采用灰色关联分析研究其对安徽省粮食单产的影响。结果表明:1992—2012年,安徽省气象灾害具有发生频率高、波动大的特点,但整体上呈下降趋势。旱灾和水灾是发生面积较大的气象灾害,且常在时间上交织、空间上并存。灰色关联分析表明,4种气象灾害对粮食产量影响顺序:风雹灾>水灾>旱灾>霜冻灾,说明风雹灾是影响粮食产量最主要的气象灾害,其次是水灾、旱灾,霜冻灾影响较小。本研究可为安徽省防灾减灾措施的制定提供决策依据。
全文链接
请求原文
安徽省农业旱灾风险评估与区划
《中国农学通报 》 2016 CSCD
摘要：为客观分析农业旱灾对安徽农作物造成的风险损失,根据安徽省1991—2012年的农业灾情数据和农作物播种面积等数据资料,对安徽省农业旱灾风险进行了评估区划。结果显示:旱灾是安徽省主要的农业自然灾害,22年间安徽省旱灾占农业自然灾害受灾面积和成灾面积的比例分别为42.1%和40.1%;安徽省各市受灾面积和成灾面积的变化具有很强的同步性;安徽省农业旱灾呈现出风险发生周期短、频率高的特点,旱灾受灾面积一般不超过60%,该指数下风险概率为357.1年一遇;从旱灾风险时空分布看,淮北和江淮地区旱灾风险较高。
全文链接
请求原文
