公开(公告)号：CN117892731A

公开(公告)日：2024-04-16

申请号：CN202410087114.8

申请日：2024-01-22

Applicant: 安徽农业大学

Inventor： 李明 ,  陈祎琼 ,  方子睿 ,  曾欣 ,  吴康杰 ,  岳振宇 ,  高羽佳 ,  商贤宇 ,  李紫萱 ,  施璐璐

IPC: G06F40/295 ,  G06F16/35 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/094 ,  G06N3/048

Abstract: 本发明公开了一种基于多智能体通信的玉米病虫害领域命名实体识别方法，包括以下步骤：步骤1、获取玉米病虫害及相关基因的文本数据；步骤2、对文本数据进行实体标注得到标注文本数据，并划分为训练集、测试集和验证集，步骤3、构建包括ERNIE层、BiLSTM层、初始边界标记块、多智能体通信层、边界标记模块层、CRF层的实体识别模型；步骤4、采用训练集配合测试集、验证集对实体识别模型进行训练得到玉米病虫害领域命名实体识别模型；步骤5、将待识别的玉米病虫害领域命名实体输入至玉米病虫害领域命名实体识别模型。本发明能够从相应的玉米病虫害领域数据集中识别相关的玉米病虫害领域实体边界和类别。

公开(公告)号：CN117094325B

公开(公告)日：2024-03-29

申请号：CN202311240372.7

申请日：2023-09-25

Applicant: 安徽农业大学

Inventor： 李明 ,  陈祎琼 ,  方子睿 ,  高羽佳 ,  岳振宇 ,  吴康杰 ,  刘浩楠 ,  曾欣

IPC: G06F40/295 ,  G06F40/30 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种水稻病虫害领域命名实体识别方法，包括以下步骤：步骤S1、获取水稻病虫害领域实体的文本数据；步骤S2、对部分文本数据按实体进行数据标注构建训练集，其余为未标注文本数据；步骤S3、构建识别模型，利用训练集对识别模型进行训练得到基准模型；步骤S4、利用基准模型预测未标注文本数据得到带有伪标签的文本数据；将带有伪标签的文本数据扩充训练集对基准模型进行训练，得到最终识别模型；步骤S5、利用最终识别模型识别水稻病虫害实体。本发明解决了缺乏训练数据、实体结构复杂、实体类型多样、实体分布不均问题、解决缺乏训练数据问题，减少当前大多数命名实体识别模型对高质量标注数据集的依赖。

公开(公告)号：CN117094325A

公开(公告)日：2023-11-21

申请号：CN202311240372.7

申请日：2023-09-25

Applicant: 安徽农业大学

Inventor： 李明 ,  陈祎琼 ,  方子睿 ,  高羽佳 ,  岳振宇 ,  吴康杰 ,  刘浩楠 ,  曾欣

IPC: G06F40/295 ,  G06F40/30 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种水稻病虫害领域命名实体识别方法，包括以下步骤：步骤S1、获取水稻病虫害领域实体的文本数据；步骤S2、对部分文本数据按实体进行数据标注构建训练集，其余为未标注文本数据；步骤S3、构建识别模型，利用训练集对识别模型进行训练得到基准模型；步骤S4、利用基准模型预测未标注文本数据得到带有伪标签的文本数据；将带有伪标签的文本数据扩充训练集对基准模型进行训练，得到最终识别模型；步骤S5、利用最终识别模型识别水稻病虫害实体。本发明解决了缺乏训练数据、实体结构复杂、实体类型多样、实体分布不均问题、解决缺乏训练数据问题，减少当前大多数命名实体识别模型对高质量标注数据集的依赖。

公开(公告)号：CN115619052B

公开(公告)日：2023-03-17

申请号：CN202211637628.3

申请日：2022-12-20

Applicant: 安徽农业大学

Inventor： 徐礼前 ,  朱利强 ,  吴康杰 ,  高羽佳

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F16/2458 ,  G06F17/16 ,  G06F18/214 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及交通预测技术领域，具体是一种城市交通流量预测方法，首先采集实时数据，接着对采集的数据进行预处理；构建预测模型并输入经过预处理后的数据，数据处理后形成初步的预测模型；使用训练集对预测模型进行反复的训练，通过误差函数计算预测误差并相应的将权重系数更新至最优值，进而更新得到最优的预测模型；本发明通过Informer模型和LightGBM模型的融合，能够有效的提高交通流量预测的准确性。

公开(公告)号：CN115619052A

公开(公告)日：2023-01-17

申请号：CN202211637628.3

申请日：2022-12-20

Applicant: 安徽农业大学

Inventor： 徐礼前 ,  朱利强 ,  吴康杰 ,  高羽佳

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F16/2458 ,  G06F17/16 ,  G06F18/214 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及交通预测技术领域，具体是一种城市交通流量预测方法，首先采集实时数据，接着对采集的数据进行预处理；构建预测模型并输入经过预处理后的数据，数据处理后形成初步的预测模型；使用训练集对预测模型进行反复的训练，通过误差函数计算预测误差并相应的将权重系数更新至最优值，进而更新得到最优的预测模型；本发明通过Informer模型和LightGBM模型的融合，能够有效的提高交通流量预测的准确性。