Un sistema de preguntas y respuestas sobre arroz chino basado en una red neuronal Seq2Seq y LSTM residual basada en GPT
Autores: Wang, Haoriqin; Wu, Huarui; Zhu, Huaji; Miao, Yisheng; Wang, Qinghu; Qiao, Shicheng; Zhao, Haiyan; Chen, Cheng; Zhang, Jingjian
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un sistema de preguntas y respuestas sobre arroz chino basado en una red neuronal Seq2Seq y LSTM residual basada en GPT
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Arroz
Enfermedades
Plagas
Producción
Modelo
Atención
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 52
Citaciones: Sin citaciones
El arroz tiene una amplia área de siembra como uno de los cultivos alimentarios esenciales en China. El problema de las enfermedades y plagas en la producción de arroz siempre ha sido uno de los principales factores que afectan su calidad y rendimiento. Es esencial proporcionar métodos y medios de tratamiento para las enfermedades y plagas del arroz de manera rápida y precisa en el proceso de producción. Por lo tanto, utilizamos la comunidad de preguntas y respuestas (Q&A) sobre arroz como ejemplo. Este documento tuvo como objetivo los problemas técnicos críticos a los que se enfrenta la comunidad de Q&A agrícola: la precisión del modelo de Q&A agrícola existente es baja, lo que dificulta cumplir con los requisitos de los usuarios para obtener respuestas en tiempo real en el proceso de producción. Se utilizó una red basada en Attention-ResLSTM-seq2seq para realizar la construcción del modelo de preguntas y respuestas sobre arroz.
Descripción
El arroz tiene una amplia área de siembra como uno de los cultivos alimentarios esenciales en China. El problema de las enfermedades y plagas en la producción de arroz siempre ha sido uno de los principales factores que afectan su calidad y rendimiento. Es esencial proporcionar métodos y medios de tratamiento para las enfermedades y plagas del arroz de manera rápida y precisa en el proceso de producción. Por lo tanto, utilizamos la comunidad de preguntas y respuestas (Q&A) sobre arroz como ejemplo. Este documento tuvo como objetivo los problemas técnicos críticos a los que se enfrenta la comunidad de Q&A agrícola: la precisión del modelo de Q&A agrícola existente es baja, lo que dificulta cumplir con los requisitos de los usuarios para obtener respuestas en tiempo real en el proceso de producción. Se utilizó una red basada en Attention-ResLSTM-seq2seq para realizar la construcción del modelo de preguntas y respuestas sobre arroz.