基于知识图谱的玉米种植管理系统研发
这是一篇关于玉米,知识图谱,智能问答,种植管理模型,数字化系统的论文, 主要内容为玉米是我国重要的粮食作物之一,在粮食作物中占据着举足轻重的地位。目前,德州市陵城区仅有核心示范区能实现玉米高产,当地农民的玉米种植产量距离“吨半粮”目标还有不小的差距。德州“吨半粮”的创建具有提高粮食产量、促进农民增收等多重意义,对于德州乃至全国的粮食生产具有重要的推动作用。针对陵城区玉米种植存在多依赖经验判断、信息化普及水平低、缺乏规范性管理等实际问题,如何通过信息化、数字化技术将传统的经验转化为数字标准化的服务决策模式,提高玉米种植管理水平,是当前德州“吨半粮”玉米产业发展中亟待解决的课题。本研究以德州市陵城区“吨半粮”试验田的夏玉米为研究对象,进行玉米种植管理数字化研究,主要内容如下:(1)玉米种植知识图谱构建针对玉米种植知识领域开源知识图谱数据匮乏问题,采取自顶向下的方式构建玉米种植知识图谱。设计BERT-Bi LSTM-CRF模型完成玉米种植知识命名实体识别,通过基于规则的方法进行关系抽取以获取三元组。在知识存储方面,将获取到的数据存储于Neo4j图数据库中。通过实验调节模型参数,BERT-Bi LSTM-CRF模型在命名实体识别任务上相比LSTM、LSTM-CRF、Bi LSTM-CRF三类模型,F1值分别提高了14.31%、7.36%、3.86%。(2)玉米种植智能问答方法研究针对传统模型难以获取足够玉米种植问句特征问题,基于已构建的玉米种植知识图谱,采用基于BERT-Text CNN的问句意图理解模型和基于BERT-Bi LSTM-CRF的问句实体识别模型得到问句三元组,并通过Cypher语句检索问句三元组。实验结果表明,问句意图理解模型F1值达到了89.69%,问句实体识别任务F1值达到了90.48%,答案评估平均精确率为71.41%。(3)基于Drools规则引擎的玉米种植管理模型研究为解决当前德州市陵城区玉米种植规范性管理程度低问题,在分析玉米种植管理过程并查阅相关文献基础上,构建玉米苗期、穗期、花粒期种植管理模型。设计玉米播种期、苗期、穗期及花粒期的玉米种植管理方案,分别建立对应时期的环境管控、农事操作、水肥管理、病虫害防治等种植管理规则库,利用Drools规则引擎建立玉米全周期的种植管理模型,为农户提供玉米种植管理服务,实现玉米种植管理的数字化。(4)玉米种植管理系统设计与实现从用户需求、功能性需求和非功能性需求出发,进行了系统总体架构设计、功能设计和数据库设计。基于Spring Boot+Vue的前后端分离框架,所研发的系统实现了玉米种植知识图谱的可视化、玉米种植智能问答、基于Drools规则引擎的种植管理模型实现和后台种植信息管理等功能,提高了玉米种植的数字化管控水平。
基于知识图谱的玉米种植管理系统研发
这是一篇关于玉米,知识图谱,智能问答,种植管理模型,数字化系统的论文, 主要内容为玉米是我国重要的粮食作物之一,在粮食作物中占据着举足轻重的地位。目前,德州市陵城区仅有核心示范区能实现玉米高产,当地农民的玉米种植产量距离“吨半粮”目标还有不小的差距。德州“吨半粮”的创建具有提高粮食产量、促进农民增收等多重意义,对于德州乃至全国的粮食生产具有重要的推动作用。针对陵城区玉米种植存在多依赖经验判断、信息化普及水平低、缺乏规范性管理等实际问题,如何通过信息化、数字化技术将传统的经验转化为数字标准化的服务决策模式,提高玉米种植管理水平,是当前德州“吨半粮”玉米产业发展中亟待解决的课题。本研究以德州市陵城区“吨半粮”试验田的夏玉米为研究对象,进行玉米种植管理数字化研究,主要内容如下:(1)玉米种植知识图谱构建针对玉米种植知识领域开源知识图谱数据匮乏问题,采取自顶向下的方式构建玉米种植知识图谱。设计BERT-Bi LSTM-CRF模型完成玉米种植知识命名实体识别,通过基于规则的方法进行关系抽取以获取三元组。在知识存储方面,将获取到的数据存储于Neo4j图数据库中。通过实验调节模型参数,BERT-Bi LSTM-CRF模型在命名实体识别任务上相比LSTM、LSTM-CRF、Bi LSTM-CRF三类模型,F1值分别提高了14.31%、7.36%、3.86%。(2)玉米种植智能问答方法研究针对传统模型难以获取足够玉米种植问句特征问题,基于已构建的玉米种植知识图谱,采用基于BERT-Text CNN的问句意图理解模型和基于BERT-Bi LSTM-CRF的问句实体识别模型得到问句三元组,并通过Cypher语句检索问句三元组。实验结果表明,问句意图理解模型F1值达到了89.69%,问句实体识别任务F1值达到了90.48%,答案评估平均精确率为71.41%。(3)基于Drools规则引擎的玉米种植管理模型研究为解决当前德州市陵城区玉米种植规范性管理程度低问题,在分析玉米种植管理过程并查阅相关文献基础上,构建玉米苗期、穗期、花粒期种植管理模型。设计玉米播种期、苗期、穗期及花粒期的玉米种植管理方案,分别建立对应时期的环境管控、农事操作、水肥管理、病虫害防治等种植管理规则库,利用Drools规则引擎建立玉米全周期的种植管理模型,为农户提供玉米种植管理服务,实现玉米种植管理的数字化。(4)玉米种植管理系统设计与实现从用户需求、功能性需求和非功能性需求出发,进行了系统总体架构设计、功能设计和数据库设计。基于Spring Boot+Vue的前后端分离框架,所研发的系统实现了玉米种植知识图谱的可视化、玉米种植智能问答、基于Drools规则引擎的种植管理模型实现和后台种植信息管理等功能,提高了玉米种植的数字化管控水平。
基于知识图谱的玉米种植管理系统研发
这是一篇关于玉米,知识图谱,智能问答,种植管理模型,数字化系统的论文, 主要内容为玉米是我国重要的粮食作物之一,在粮食作物中占据着举足轻重的地位。目前,德州市陵城区仅有核心示范区能实现玉米高产,当地农民的玉米种植产量距离“吨半粮”目标还有不小的差距。德州“吨半粮”的创建具有提高粮食产量、促进农民增收等多重意义,对于德州乃至全国的粮食生产具有重要的推动作用。针对陵城区玉米种植存在多依赖经验判断、信息化普及水平低、缺乏规范性管理等实际问题,如何通过信息化、数字化技术将传统的经验转化为数字标准化的服务决策模式,提高玉米种植管理水平,是当前德州“吨半粮”玉米产业发展中亟待解决的课题。本研究以德州市陵城区“吨半粮”试验田的夏玉米为研究对象,进行玉米种植管理数字化研究,主要内容如下:(1)玉米种植知识图谱构建针对玉米种植知识领域开源知识图谱数据匮乏问题,采取自顶向下的方式构建玉米种植知识图谱。设计BERT-Bi LSTM-CRF模型完成玉米种植知识命名实体识别,通过基于规则的方法进行关系抽取以获取三元组。在知识存储方面,将获取到的数据存储于Neo4j图数据库中。通过实验调节模型参数,BERT-Bi LSTM-CRF模型在命名实体识别任务上相比LSTM、LSTM-CRF、Bi LSTM-CRF三类模型,F1值分别提高了14.31%、7.36%、3.86%。(2)玉米种植智能问答方法研究针对传统模型难以获取足够玉米种植问句特征问题,基于已构建的玉米种植知识图谱,采用基于BERT-Text CNN的问句意图理解模型和基于BERT-Bi LSTM-CRF的问句实体识别模型得到问句三元组,并通过Cypher语句检索问句三元组。实验结果表明,问句意图理解模型F1值达到了89.69%,问句实体识别任务F1值达到了90.48%,答案评估平均精确率为71.41%。(3)基于Drools规则引擎的玉米种植管理模型研究为解决当前德州市陵城区玉米种植规范性管理程度低问题,在分析玉米种植管理过程并查阅相关文献基础上,构建玉米苗期、穗期、花粒期种植管理模型。设计玉米播种期、苗期、穗期及花粒期的玉米种植管理方案,分别建立对应时期的环境管控、农事操作、水肥管理、病虫害防治等种植管理规则库,利用Drools规则引擎建立玉米全周期的种植管理模型,为农户提供玉米种植管理服务,实现玉米种植管理的数字化。(4)玉米种植管理系统设计与实现从用户需求、功能性需求和非功能性需求出发,进行了系统总体架构设计、功能设计和数据库设计。基于Spring Boot+Vue的前后端分离框架,所研发的系统实现了玉米种植知识图谱的可视化、玉米种植智能问答、基于Drools规则引擎的种植管理模型实现和后台种植信息管理等功能,提高了玉米种植的数字化管控水平。
基于知识图谱的玉米种植管理系统研发
这是一篇关于玉米,知识图谱,智能问答,种植管理模型,数字化系统的论文, 主要内容为玉米是我国重要的粮食作物之一,在粮食作物中占据着举足轻重的地位。目前,德州市陵城区仅有核心示范区能实现玉米高产,当地农民的玉米种植产量距离“吨半粮”目标还有不小的差距。德州“吨半粮”的创建具有提高粮食产量、促进农民增收等多重意义,对于德州乃至全国的粮食生产具有重要的推动作用。针对陵城区玉米种植存在多依赖经验判断、信息化普及水平低、缺乏规范性管理等实际问题,如何通过信息化、数字化技术将传统的经验转化为数字标准化的服务决策模式,提高玉米种植管理水平,是当前德州“吨半粮”玉米产业发展中亟待解决的课题。本研究以德州市陵城区“吨半粮”试验田的夏玉米为研究对象,进行玉米种植管理数字化研究,主要内容如下:(1)玉米种植知识图谱构建针对玉米种植知识领域开源知识图谱数据匮乏问题,采取自顶向下的方式构建玉米种植知识图谱。设计BERT-Bi LSTM-CRF模型完成玉米种植知识命名实体识别,通过基于规则的方法进行关系抽取以获取三元组。在知识存储方面,将获取到的数据存储于Neo4j图数据库中。通过实验调节模型参数,BERT-Bi LSTM-CRF模型在命名实体识别任务上相比LSTM、LSTM-CRF、Bi LSTM-CRF三类模型,F1值分别提高了14.31%、7.36%、3.86%。(2)玉米种植智能问答方法研究针对传统模型难以获取足够玉米种植问句特征问题,基于已构建的玉米种植知识图谱,采用基于BERT-Text CNN的问句意图理解模型和基于BERT-Bi LSTM-CRF的问句实体识别模型得到问句三元组,并通过Cypher语句检索问句三元组。实验结果表明,问句意图理解模型F1值达到了89.69%,问句实体识别任务F1值达到了90.48%,答案评估平均精确率为71.41%。(3)基于Drools规则引擎的玉米种植管理模型研究为解决当前德州市陵城区玉米种植规范性管理程度低问题,在分析玉米种植管理过程并查阅相关文献基础上,构建玉米苗期、穗期、花粒期种植管理模型。设计玉米播种期、苗期、穗期及花粒期的玉米种植管理方案,分别建立对应时期的环境管控、农事操作、水肥管理、病虫害防治等种植管理规则库,利用Drools规则引擎建立玉米全周期的种植管理模型,为农户提供玉米种植管理服务,实现玉米种植管理的数字化。(4)玉米种植管理系统设计与实现从用户需求、功能性需求和非功能性需求出发,进行了系统总体架构设计、功能设计和数据库设计。基于Spring Boot+Vue的前后端分离框架,所研发的系统实现了玉米种植知识图谱的可视化、玉米种植智能问答、基于Drools规则引擎的种植管理模型实现和后台种植信息管理等功能,提高了玉米种植的数字化管控水平。
基于知识图谱的玉米种植管理系统研发
这是一篇关于玉米,知识图谱,智能问答,种植管理模型,数字化系统的论文, 主要内容为玉米是我国重要的粮食作物之一,在粮食作物中占据着举足轻重的地位。目前,德州市陵城区仅有核心示范区能实现玉米高产,当地农民的玉米种植产量距离“吨半粮”目标还有不小的差距。德州“吨半粮”的创建具有提高粮食产量、促进农民增收等多重意义,对于德州乃至全国的粮食生产具有重要的推动作用。针对陵城区玉米种植存在多依赖经验判断、信息化普及水平低、缺乏规范性管理等实际问题,如何通过信息化、数字化技术将传统的经验转化为数字标准化的服务决策模式,提高玉米种植管理水平,是当前德州“吨半粮”玉米产业发展中亟待解决的课题。本研究以德州市陵城区“吨半粮”试验田的夏玉米为研究对象,进行玉米种植管理数字化研究,主要内容如下:(1)玉米种植知识图谱构建针对玉米种植知识领域开源知识图谱数据匮乏问题,采取自顶向下的方式构建玉米种植知识图谱。设计BERT-Bi LSTM-CRF模型完成玉米种植知识命名实体识别,通过基于规则的方法进行关系抽取以获取三元组。在知识存储方面,将获取到的数据存储于Neo4j图数据库中。通过实验调节模型参数,BERT-Bi LSTM-CRF模型在命名实体识别任务上相比LSTM、LSTM-CRF、Bi LSTM-CRF三类模型,F1值分别提高了14.31%、7.36%、3.86%。(2)玉米种植智能问答方法研究针对传统模型难以获取足够玉米种植问句特征问题,基于已构建的玉米种植知识图谱,采用基于BERT-Text CNN的问句意图理解模型和基于BERT-Bi LSTM-CRF的问句实体识别模型得到问句三元组,并通过Cypher语句检索问句三元组。实验结果表明,问句意图理解模型F1值达到了89.69%,问句实体识别任务F1值达到了90.48%,答案评估平均精确率为71.41%。(3)基于Drools规则引擎的玉米种植管理模型研究为解决当前德州市陵城区玉米种植规范性管理程度低问题,在分析玉米种植管理过程并查阅相关文献基础上,构建玉米苗期、穗期、花粒期种植管理模型。设计玉米播种期、苗期、穗期及花粒期的玉米种植管理方案,分别建立对应时期的环境管控、农事操作、水肥管理、病虫害防治等种植管理规则库,利用Drools规则引擎建立玉米全周期的种植管理模型,为农户提供玉米种植管理服务,实现玉米种植管理的数字化。(4)玉米种植管理系统设计与实现从用户需求、功能性需求和非功能性需求出发,进行了系统总体架构设计、功能设计和数据库设计。基于Spring Boot+Vue的前后端分离框架,所研发的系统实现了玉米种植知识图谱的可视化、玉米种植智能问答、基于Drools规则引擎的种植管理模型实现和后台种植信息管理等功能,提高了玉米种植的数字化管控水平。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设客栈 ，原文地址：https://m.bishedaima.com/lunwen/52288.html
