针对早期干旱胁迫与盐胁迫在植物处于逆境时难以区分的问题,提出一种基于光诱导植物电信号的干旱胁迫与盐胁迫辨识方法。使用光/暗循环刺激获取了小麦幼苗在正常状态以及等渗干旱胁迫与盐胁迫下的植物叶表面电位,并利用一对一分类策略的支持向量机(One-versus-one support vector machine,OVOSVM)对获取的植物电信号样本进行分类。三折交叉验证结果显示:对正常状态与干旱胁迫下小麦幼苗叶表面电位进行二分类,分类准确率达到100%;对正常状态与盐胁迫下小麦幼苗叶表面电位进行二分类,准确率为94.44%;进行三分类时准确率达到96.30%;对等渗干旱胁迫与盐胁迫下获取的小麦叶表面电位进行二分类,分类准确率为100%。研究表明,植物电信号作为一种辨识逆境胁迫的方法,可对等渗条件下早期干旱胁迫与盐胁迫进行准确区分。
对于生鲜蛋供应链知识图谱构建过程中供应链领域实体名称多样、特征信息提取不充分的问题,提出了一种基于BERT-CRF模型(Bidirectional encoder representations from transformers-conditional random field)的命名实体识别方法。该方...
详细信息
对于生鲜蛋供应链知识图谱构建过程中供应链领域实体名称多样、特征信息提取不充分的问题,提出了一种基于BERT-CRF模型(Bidirectional encoder representations from transformers-conditional random field)的命名实体识别方法。该方法使用BIO(Begin、Internal、Other)标记规则进行序列标注,以字向量和位置向量作为输入,通过BERT预训练模型提取输入序列全局特征,并在模型的末端添加CRF层引入硬约束,构建适合生鲜蛋供应链领域命名实体识别的模型框架。所提出的模型与其他3种命名实体识别模型在自建数据集上进行了对比实验,该数据集包含12810条文本语料数据,5大类21个小类。实验结果表明,本文模型取得了很好的结果,准确率、召回率和F1值分别达到91.82%、90.44%、91.01%,验证了本文模型优于其他3种模型。最后本文模型使用自建的食品领域菜谱数据集进行实验,结果表明模型具有一定的泛化能力。
暂无评论