基于深度学习的水产病害可视化知识图谱构建与验证

文献类型： 中文期刊

第一作者： 姜丽华

作者： 姜丽华;赵瑞雪;董春岩;常晓燕;马娟娟;谢能付;方松

作者机构：

关键词： 知识图谱;深度学习;水产病害;本体;BiLSTM+CRF

期刊名称： 农业工程学报

ISSN：

年卷期： 2023 年 015 期

页码： 259-267

收录情况： EI ; 北大核心 ; CSCD

摘要： 知识图谱本质上是基于图的语义网络，表示实体与实体之间的关系，在知识问答、语义检索等领域起着至关重要的作用。针对目前水产病害领域存在实体关系交叉关联、多源异构数据聚合能力差、利用率低、知识共享困难等问题，该研究基于自然语言处理和文本挖掘提出了一个基于神经网络深度学习模型的水产病害专业领域知识图谱构建方法并进行试验验证。首先，构建水产病害专业领域本体，并预定义实体类型、属性和关系的集合，确定知识抽取边界；其次，在本体基础上，分别利用规则方法和深度学习方法对半结构化和非结构化知识进行抽取。对于非结构化知识，提出“水产病害+关系+BMES”文本标注体系，将关系抽取融合于命名实体识别任务中直接对三元组建模，将实体关系抽取转化为序列标注问题，不仅提高标注效率，还实现了实体和关系的联合抽取。同时通过标签匹配和映射对三元组建模获得RDF数据，解决了重叠关系抽取的难题。利用BERT-BiLSTM+CRF端到端模型进行试验，试验结果证明该三元组抽取方法具有较高的召回率（89.64%），准确率（94.04%）和F1值（91.34%），优于CNN+BiLSTM+CRF和BiLSTM+CRF等模型，抽取效果有了显著提升，并将抽取到的知识存储到Neo4j图数据库中，实现知识可视化管理及知识推理分析。该研究构建的水产病害知识图谱精度高、粒度细，能够帮助机器理解数据、解释现象、知识推理，从而发掘深层关系、实现智慧搜索与智能交互。

分类号： TP391.1%S941

  • 相关文献

[1]我国苹果产业知识图谱构建研究. 陈亚东,鲜国建,寇远涛,郭淑敏,刘现武. 2017

[2]面向葡萄知识图谱构建的多特征融合命名实体识别. 聂啸林,张礼麟,牛当当,吴华瑞,朱华吉,张宏鸣. 2024

[3]基于深度学习的作物病虫害可视化知识图谱构建. 吴赛赛,周爱莲,谢能付,梁晓贺,汪汇涓,李小雨,陈桂鹏. 2020

[4]云斑尖塘鳢在水产养殖中的风险评估及适生区分析. 韦慧,张铭斯,韦波,余梵冬,舒璐,徐猛,房苗,胡隐昌,顾党恩. 2024

[5]基于混合本体的文献分类研究——以计算机学科为例. 陈丽娜. 2016

[6]基于本体的农产品电子标签复杂事件处理引擎. 朱华吉,李美英,顾静秋,吴华瑞. 2008

[7]基于语义Web的农业生产知识集成技术. 孙想,冯臣,吴华瑞. 2008

[8]基于网格的农业知识服务机制研究. 孙想,吴华瑞,赵春江. 2008

[9]基于关联数据的方志物产史料语义化知识组织研究. 徐晨飞,包平,张惠敏,姜霖. 2020

[10]OWL扩展方法研究. 刘家益,张学福,孙巍. 2012

[11]基于本体的农作物种质资源数据集成研究. 陈丽娜,方沩,司海平,曹永生. 2016

[12]网络标注的主要方法概述. 张瑜,李景,孟宪学,苏晓路. 2008

[13]基于知识组织体系的多维语义关联数据构建研究. 鲜国建,赵瑞雪,孟宪学,朱亮,寇远涛,张洁. 2014

[14]基于本体的蔬菜农药安全使用专家系统. 朱春雨,谢丙炎,郑建秋,李健强. 2011

[15]基于本体知识库的建设用地疑似用地问题自动发现. 李晓岚,高秉博,潘瑜春,郜允兵,郝星耀. 2017

[16]基于本体的网络学习资源推荐算法设计. 赵继春,孙素芬,郭建鑫,钟瑶,王敏,秦莹. 2021

[17]农作物种质资源本体构建研究. 陈丽娜,方沩,司海平,曹永生. 2016

[18]基于本体与SWRL的鳜鱼疾病诊断知识表示与语义推理. 宗南苏,郑业鲁. 2009

[19]领域科研信息环境构建研究. 赵瑞雪,寇远涛,鲜国建,朱亮. 2012

[20]叙词表与本体的区别与联系. 李景,钱平. 2004

作者其他论文 更多>>

微信小程序