期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于特征增强的农业短文本语义智能匹配方法研究
1
作者 金宁 郭宇峰 +2 位作者 渠丽娜 缪祎晟 吴华瑞 《农业机械学报》 北大核心 2025年第5期395-404,共10页
针对农业短文本数据特征词语少、语义特征稀疏、冗余度高、价值密度低等问题,构建了一种利用多尺度通道注意力算法融合多语义特征的语义匹配模型Font_MBAFF,以提升农业短文本的语义匹配性能。首先利用汉字偏旁部首和四角号码丰富短文本... 针对农业短文本数据特征词语少、语义特征稀疏、冗余度高、价值密度低等问题,构建了一种利用多尺度通道注意力算法融合多语义特征的语义匹配模型Font_MBAFF,以提升农业短文本的语义匹配性能。首先利用汉字偏旁部首和四角号码丰富短文本特征;然后利用多尺度卷积核通道注意力加权网络MSCN和基于多头自注意力的双向长短期记忆网络Multi_SAB分别从空间和时间提取语义特征;最后利用文本注意力融合机制TEXTAFF对多种特征进行智能融合。试验结果表明,Font_MBAFF模型可有效弥补短文本特征词少的不足,优化文本特征提取及特征融合,语义匹配正确率达到96.42%,与MaLSTM、BiLSTM、BiLSTM_Self-attention、TEXTCNN_Attention、Sentence-BERT等5种语义匹配模型相比优势明显,正确率至少高2.07个百分点。 展开更多
关键词 农业短文本 语义匹配 字形特征表示 多特征融合
在线阅读 下载PDF
基于迁移学习的农业短文本语义相似度计算方法
2
作者 金宁 郭宇峰 +2 位作者 韩晓东 缪祎晟 吴华瑞 《智慧农业(中英文)》 2025年第1期33-43,共11页
[目的/意义]农业领域高质量的语义相似度计算是推动农业技术推广信息化、智能化发展的重要基础。针对现有文本语义相似度计算模型特征提取不全面、高质量标注数据集少等问题,提出一种基于迁移学习和BERT (Bidirectional Encoder Represe... [目的/意义]农业领域高质量的语义相似度计算是推动农业技术推广信息化、智能化发展的重要基础。针对现有文本语义相似度计算模型特征提取不全面、高质量标注数据集少等问题,提出一种基于迁移学习和BERT (Bidirectional Encoder Representations from Transformers)预训练模型的农业短文本语义相似度计算模型CWPT-TSBERT (Chinese-based Wordpiece Tokenization and Transfer-learning by Sentence BERT)。[方法] CWPT-TSBERT依托孪生网络架构,利用迁移学习策略在大规模通用领域标注数据集进行模型预训练,解决农业文本标注数据集少、语义稀疏性高等问题。提出面向中文的子词单元分词方法 CWPT拆分汉字,增强字向量的语义特征表示,进一步丰富了短文本语义特征表达。根据迁移学习的微调机制,利用SBERT (Sentence BERT)模型提取字向量,挖掘汉字间及字形结构间关联关系,提高模型语义相似度计算的正确率。[结果和讨论] CWPT-TSBERT模型的语义相似度计算正确率达到97.18%,高于基于卷积神经网络的TextCNN_Attention、基于循环神经网络的MaLSTM (Manhattan Long Short-Term Memory),以及基于BERT预训练模型的SBERT等12种模型。[结论] CWPT-TSBERT模型在小规模农业短文本数据集上语义相似性计算正确率较高,性能优势明显,为语义智能匹配提供了有效的技术参考。 展开更多
关键词 迁移学习 农业短文本 语义相似度计算 字形特征 知识智能服务 大模型
在线阅读 下载PDF
土壤有机质含量高光谱估测模型构建及精度对比 被引量：10
3
作者 刘恬琳 朱西存 +5 位作者 白雪源 彭玉凤 李美炫 田中宇 姜远茂 杨贵军 《智慧农业（中英文）》 2020年第3期129-138,共10页
土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测,本研究以山东省烟台市栖霞市苹果园为研究区,采集100个土壤样本,利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率,利用定量化学方... 土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测,本研究以山东省烟台市栖霞市苹果园为研究区,采集100个土壤样本,利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率,利用定量化学方法测定土壤有机质含量。采用移动平均法对高光谱数据进行预处理,分析果园土壤的反射光谱特征,研究光谱反射率与其有机质含量的相关关系,筛选土壤有机质含量的敏感波长并构建光谱指数后,分别建立多元线性回归模型(MLR)、支持向量机(SVM)和随机森林(RF)模型,并对模型精度进行验证比较。结果表明,筛选出的土壤有机质含量的敏感波长为678、709、1931、1939、1996和2201 nm。用筛选出的波长构建光谱参数,最终构建的光谱指数分别为NDSI(678,709)、NDSI(678,1931)、NDSI(678,2201)、NDSI(709,1939)和NDSI(1939,2201)。建立的MLR、SVM和RF回归模型中,以RF模型精度最优,其校正样本集R2为0.8804,RMSE为0.1423,RPD达到2.25;验证模型的R2为0.7466,RMSE为0.1266,RPD为1.79,建立的RF定量模型反演苹果果园土壤有机质含量效果较好。因此,可以利用RF方法快速预测苹果果园土壤有机质含量,了解土壤养分分布状况,指导农民合理施肥,从而提高果园生产管理效率。 展开更多
关键词 高光谱 土壤有机质 多元线性回归 支持向量机 随机森林 模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部