中等分辨率成像频谱仪(M ER IS)是搭载于由欧洲空间局(ESA)发射的迄今为止最大的综合性环境卫星ENV ISAT-1上的主要传感器,由法国和荷兰共同研制,是目前水色传感器中最有优势的传感器之一。文中主要介绍了M ER IS遥感数据的特点,与M OD...中等分辨率成像频谱仪(M ER IS)是搭载于由欧洲空间局(ESA)发射的迄今为止最大的综合性环境卫星ENV ISAT-1上的主要传感器,由法国和荷兰共同研制,是目前水色传感器中最有优势的传感器之一。文中主要介绍了M ER IS遥感数据的特点,与M OD IS、SeaW IFS传感器相比,M ER IS在波段设置与辐射灵敏度等方面都有较大的优势,更适合于海洋水色的应用。针对M ER IS的波段设置,重点介绍了M ER IS数据在海洋水色的应用范围与应用原理,并简要介绍其在大气与陆地上的应用。展开更多
针对地理信息服务领域(Geographic Information Services,GIServices)在实体自动识别方面存在缺乏语料、多种实体嵌套、语义稀疏等问题,本文设计了一套地理信息服务文献实体标注规范,构建了地理信息服务领域的语料;在传统实体识别模型Bi...针对地理信息服务领域(Geographic Information Services,GIServices)在实体自动识别方面存在缺乏语料、多种实体嵌套、语义稀疏等问题,本文设计了一套地理信息服务文献实体标注规范,构建了地理信息服务领域的语料;在传统实体识别模型BiLSTM-CRF的基础上,引入了BERT(Bidirectional Encoder Representaions from Transformers)预训练模型及卷积层(Convolutional layer),构建了BERT-1DCNN-BiLSTM-CRF模型,提升了地理信息服务文献实体识别的准确率.该模型在词嵌入层以BERT预训练模型取代了传统的静态语言模型,从而有效地解决了地理信息服务领域因缺乏大量训练语料而无法表达更丰富句子语义信息的问题;此外,在BERT模型之后还加入了字间卷积特征,提升了句子局部特征的表示能力,降低了句子语义稀疏的干扰.实验结果表明,融合了BERT模型与CNN模型的GIServices文献实体识别方法效果优于传统深度学习的方法,模型准确率达到了0.8268,能够较好地实现GIServices文献自动化实体识别,同时也能较好地体现基于BERT的深度学习模型在实体自动化识别方面的有效性.展开更多
文摘中等分辨率成像频谱仪(M ER IS)是搭载于由欧洲空间局(ESA)发射的迄今为止最大的综合性环境卫星ENV ISAT-1上的主要传感器,由法国和荷兰共同研制,是目前水色传感器中最有优势的传感器之一。文中主要介绍了M ER IS遥感数据的特点,与M OD IS、SeaW IFS传感器相比,M ER IS在波段设置与辐射灵敏度等方面都有较大的优势,更适合于海洋水色的应用。针对M ER IS的波段设置,重点介绍了M ER IS数据在海洋水色的应用范围与应用原理,并简要介绍其在大气与陆地上的应用。
文摘针对地理信息服务领域(Geographic Information Services,GIServices)在实体自动识别方面存在缺乏语料、多种实体嵌套、语义稀疏等问题,本文设计了一套地理信息服务文献实体标注规范,构建了地理信息服务领域的语料;在传统实体识别模型BiLSTM-CRF的基础上,引入了BERT(Bidirectional Encoder Representaions from Transformers)预训练模型及卷积层(Convolutional layer),构建了BERT-1DCNN-BiLSTM-CRF模型,提升了地理信息服务文献实体识别的准确率.该模型在词嵌入层以BERT预训练模型取代了传统的静态语言模型,从而有效地解决了地理信息服务领域因缺乏大量训练语料而无法表达更丰富句子语义信息的问题;此外,在BERT模型之后还加入了字间卷积特征,提升了句子局部特征的表示能力,降低了句子语义稀疏的干扰.实验结果表明,融合了BERT模型与CNN模型的GIServices文献实体识别方法效果优于传统深度学习的方法,模型准确率达到了0.8268,能够较好地实现GIServices文献自动化实体识别,同时也能较好地体现基于BERT的深度学习模型在实体自动化识别方面的有效性.