-
公开(公告)号：CN115017907B
公开(公告)日：2024-11-26
申请号：CN202210650342.2
申请日：2022-06-09
Applicant: 西北农林科技大学
IPC: G06F40/295 , G06F40/216 , G06F40/289 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06Q50/02
Abstract: 本发明提供了一种基于领域词典的中文农业命名实体识别方法，包括：步骤一，原始中文农业文本标注；步骤二，原始中文农业文本向量化；步骤三，农业领域词集构建；步骤四，农业领域词典构建；步骤五，字符向量加强；步骤六，序列编码；步骤七，序列编码增强；步骤八，利用CRF对序列编码增强结果进行解码处理，预测出每个字符对应的标签，从而实现中文农业命名实体识别。本发明对分词工具进行加强后构造农业领域词典，并通过字符向量加强层，将词汇信息融入字符向量中，可以让模型充分利用字符信息与词汇信息，此外本发明基于通道注意力机制提出序列编码增强模块，进一步提高模型的特征提取能力。
-
公开(公告)号：CN117611996A
公开(公告)日：2024-02-27
申请号：CN202311526699.0
申请日：2023-11-15
Applicant: 西北农林科技大学 , 西安星闪世图科技有限公司 , 中煤航测遥感集团有限公司
IPC: G06V20/10 , G06V20/13 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/082
Abstract: 本发明提供了一种基于深度特征融合的葡萄种植区遥感影像变化检测方法，包括：步骤一，高分二号遥感影像数据处理。步骤二，构建变化检测数据集。步骤三，构建变化检测模型：步骤301，选取ResNet101作为主干网络。步骤302，构建ResCBAM模型。步骤303，设计上下文聚集模块。步骤304，设计深度特征融合模块。步骤四，模型训练与保存。步骤五，葡萄种植区遥感影像变化检测。本发明最终的交并比、召回率和F1值分别达到了77.22％、85.10％和87.15％，相较于目前主流变化检测方法分别提高了3.24、4.59、2.1个百分点。
-
公开(公告)号：CN114996474B
公开(公告)日：2025-02-07
申请号：CN202210624917.3
申请日：2022-06-02
Applicant: 西北农林科技大学
IPC: G06F16/36 , G06F16/951 , G06F16/901 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明提供了一种葡萄种植知识图谱数据库的构建方法，包括：步骤S1，设计知识图谱数据库顶级概念与概念之间的关系，得到本体层；步骤S2，构建葡萄文本数据集，以BIO标注法标注7类实体，并提取字符部首，获得标注的数据集；步骤S3，将标注的数据集按照8:1:1划分为训练集、验证集和测试集；步骤S4，将所述的训练集输入到多特征融合高效知识抽取网络中进行训练，获得训练后的网络模型；步骤S5，将多源异构的葡萄文本进行预处理后输入训练后的网络模型中，得到格式化文本；步骤S6，在本体层的指导和约束下，将格式化文本组装成三元组，即实体层；步骤S7，将所述的三元组使用Neo4j图数据库进行持久化保存。本发明成本低，知识完整度高且更新维护便利。
-
公开(公告)号：CN115017907A
公开(公告)日：2022-09-06
申请号：CN202210650342.2
申请日：2022-06-09
Applicant: 西北农林科技大学
IPC: G06F40/295 , G06F40/216 , G06F40/289 , G06F40/242 , G06N3/04 , G06Q50/02
Abstract: 本发明提供了一种基于领域词典的中文农业命名实体识别方法，包括：步骤一，原始中文农业文本标注；步骤二，原始中文农业文本向量化；步骤三，农业领域词集构建；步骤四，农业领域词典构建；步骤五，字符向量加强；步骤六，序列编码；步骤七，序列编码增强；步骤八，利用CRF对序列编码增强结果进行解码处理，预测出每个字符对应的标签，从而实现中文农业命名实体识别。本发明对分词工具进行加强后构造农业领域词典，并通过字符向量加强层，将词汇信息融入字符向量中，可以让模型充分利用字符信息与词汇信息，此外本发明基于通道注意力机制提出序列编码增强模块，进一步提高模型的特征提取能力。
-
公开(公告)号：CN118333056A
公开(公告)日：2024-07-12
申请号：CN202410434428.0
申请日：2024-04-11
Applicant: 西北农林科技大学
IPC: G06F40/295 , G06N3/0442 , G06F18/213 , G06F18/25 , G06N3/0495 , G06N3/082 , G06N3/047
Abstract: 本发明提供了一种考虑双维信息的中文猕猴桃文本命名实体识别方法，双维信息为水平维度文本信息与垂直维度文本信息，包括：步骤1，构建中文猕猴桃文本数据集；步骤2，中文猕猴桃文本矢量化；步骤3，通过CoordKIWINER模块增强字符矢量文本信息；步骤4，使用PruneBi‑LSTM网络对中文猕猴桃文本进行序列编码；步骤5，使用条件随机场，对语句特征矢量H进行译码，得到输入的特征张量X最终的输出序列Y*。本发明创造性地设计了CoordKIWINER与PruneBi‑LSTM两个模块，有效解决了中文猕猴桃文本双维度信息未被利用这一问题，进一步提升了针对猕猴桃文本命名实体识别的准确率，并在自建领域数据集上取得了最优的效果。
-
Patent Agency Ranking
公开(公告)号：CN105654488B
公开(公告)日：2018-04-06
申请号：CN201511027245.4
申请日：2015-12-31
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于GIS的淤地坝拦淤量估算方法，属于数字地形分析领域。所述发明将获取到的GIS图像转化为栅格矩阵，根据栅格矩阵中的数据确定简易无拦截河网模型的位置数据以及淤地坝的位置数据，接着对淤地坝的位置数据进行修正，进而将淤地坝进行扩充得到扩充淤地坝，基于扩充淤地坝中坝点的流向得到扩充淤地坝的库容，结合库容最终得到扩充淤地坝的拦淤量。本发明通过对淤地坝进行扩充，得到更为符合实际情况的扩充淤地坝，避免GIS图像中淤地坝仅占有一个栅格会影响实际计算结果的情况，并且通过使用GIS图像中数据的方式进行拦淤量的计算，避免了淤积面坡度的大小与沟道比降、形状、淤积物颗粒径等因素的影响，保证了拦淤量计算的准确性。
-
公开(公告)号：CN105654488A
公开(公告)日：2016-06-08
申请号：CN201511027245.4
申请日：2015-12-31
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于GIS的淤地坝拦淤量估算方法，属于数字地形分析领域。所述发明将获取到的GIS图像转化为栅格矩阵，根据栅格矩阵中的数据确定简易无拦截河网模型的位置数据以及淤地坝的位置数据，接着对淤地坝的位置数据进行修正，进而将淤地坝进行扩充得到扩充淤地坝，基于扩充淤地坝中坝点的流向得到扩充淤地坝的库容，结合库容最终得到扩充淤地坝的拦淤量。本发明通过对淤地坝进行扩充，得到更为符合实际情况的扩充淤地坝，避免GIS图像中淤地坝仅占有一个栅格会影响实际计算结果的情况，并且通过使用GIS图像中数据的方式进行拦淤量的计算，避免了淤积面坡度的大小与沟道比降、形状、淤积物颗粒径等因素的影响，保证了拦淤量计算的准确性。
-
公开(公告)号：CN116663661A
公开(公告)日：2023-08-29
申请号：CN202310390183.1
申请日：2023-04-12
Applicant: 西北农林科技大学
IPC: G06N5/02 , G06F16/36 , G06F16/31 , G06F40/295 , G06F16/332
Abstract: 本发明提供了一种猕猴桃全产业链知识图谱数据库的构建方法与问答系统，包括：步骤S1，概念设计：概念中包括32类实体；步骤S2，构建猕猴桃文本数据集，以BIO标注方式标注32类实体，获得标注的数据集；步骤S3，基于步骤S2的标注结果，对于原始文本，通过BiLSTM‑CRF模型进行实体识别，获得格式化文本；步骤S4，在BiLSTM‑CRF模型的概念模式的指导和约束下，将格式化文本组装成三元组，即实体层；步骤S5，将三元组使用Neo4j图数据库进行持久化保存。本发明的方法利用深度语言模型从多源异构数据中抽取知识，根据猕猴桃全产业链概念模式设计，将抽取到的知识组装成知识图谱的方法。所构建知识图谱数据库成本低，知识完整度高且更新维护便利。
-
公开(公告)号：CN114996474A
公开(公告)日：2022-09-02
申请号：CN202210624917.3
申请日：2022-06-02
Applicant: 西北农林科技大学
IPC: G06F16/36 , G06F16/951 , G06F16/901 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/02
Abstract: 本发明提供了一种葡萄种植知识图谱数据库的构建方法，包括：步骤S1，设计知识图谱数据库顶级概念与概念之间的关系，得到本体层；步骤S2，构建葡萄文本数据集，以BIO标注法标注7类实体，并提取字符部首，获得标注的数据集；步骤S3，将标注的数据集按照8:1:1划分为训练集、验证集和测试集；步骤S4，将所述的训练集输入到多特征融合高效知识抽取网络中进行训练，获得训练后的网络模型；步骤S5，将多源异构的葡萄文本进行预处理后输入训练后的网络模型中，得到格式化文本；步骤S6，在本体层的指导和约束下，将格式化文本组装成三元组，即实体层；步骤S7，将所述的三元组使用Neo4j图数据库进行持久化保存。本发明成本低，知识完整度高且更新维护便利。
-
公开(公告)号：CN105279317B
公开(公告)日：2018-04-03
申请号：CN201510639241.5
申请日：2015-09-30
Applicant: 西北农林科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于DEM的平地河网水流方向估算方法，以单流向算法为基础，较准确地计算平行流域的流向，提高基于地理信息系统的区域土壤侵蚀研究、水土保持环境效应评价、流域水文分析等的应用效率，满足水文学、地理学的工作需要。本发明直接对平地进行流向判断，不需对DEM进行修改，提出以平地栅格的初始汇流累积量为参考，采用最短路径方法和就近原则方法来计算平地的水流方向。该方法适合提取流向和汇水面积，结果合理，效率较高，具有较好的运行效果和可行性，是对数字地形分析方法的有益尝试。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
