农业测控系统的用户交互性存在改进空间,随着自然语言语义处理技术的不断进步,提升农业测控领域中复杂的控制和查询操作的用户友好性变得至关重要,这有助于降低用户的操作成本。本文提出了一种面向农业测控领域的自然语言接口(agricultu...农业测控系统的用户交互性存在改进空间,随着自然语言语义处理技术的不断进步,提升农业测控领域中复杂的控制和查询操作的用户友好性变得至关重要,这有助于降低用户的操作成本。本文提出了一种面向农业测控领域的自然语言接口(agricultural measurement and control natural language interface,AMC-NLI),旨在改进农业测控平台的用户体验。通过BERT-BiLSTM-ATT-CRF-OPO(bidirectional encoder representations from transformers-bi-directional long shortterm memory-attention-conditional random field)的语义解析模型,识别并提取农业指令中的实体,并进行操作-地点-对象三元组语句(operate-place-object,OPO)的槽填充。使得用户的自然语言输入能够被转化为结构化的三元组语句,实现用户输入的指令转换为相应的参数,并通过物联网网关发送到相应的设备。试验结果表明在AMC-NLI农业测控指令交互方面,该模型表现出色,准确率,精确率、召回率,F值和平均最大响应时间分别达到了91.63%、92.77%、92.48%、91.74%和2.45 s,为农业信息化管控提供了更为便捷的互动方式。展开更多
文摘农业测控系统的用户交互性存在改进空间,随着自然语言语义处理技术的不断进步,提升农业测控领域中复杂的控制和查询操作的用户友好性变得至关重要,这有助于降低用户的操作成本。本文提出了一种面向农业测控领域的自然语言接口(agricultural measurement and control natural language interface,AMC-NLI),旨在改进农业测控平台的用户体验。通过BERT-BiLSTM-ATT-CRF-OPO(bidirectional encoder representations from transformers-bi-directional long shortterm memory-attention-conditional random field)的语义解析模型,识别并提取农业指令中的实体,并进行操作-地点-对象三元组语句(operate-place-object,OPO)的槽填充。使得用户的自然语言输入能够被转化为结构化的三元组语句,实现用户输入的指令转换为相应的参数,并通过物联网网关发送到相应的设备。试验结果表明在AMC-NLI农业测控指令交互方面,该模型表现出色,准确率,精确率、召回率,F值和平均最大响应时间分别达到了91.63%、92.77%、92.48%、91.74%和2.45 s,为农业信息化管控提供了更为便捷的互动方式。
