【技术实现步骤摘要】
本专利技术涉及人工智能中的自然语言处理，具体涉及一种融合多模态知识的葡萄种植领域答案选择方法。
技术介绍
1、相关从业者还存在着应用新技术能力弱，标准化种植意识不强的问题，导致葡萄增产不增收，品质差、效益低。答案选择作为一种有着多种信息获取下游应用的方法，例如对话系统、搜索排序和问答等，对葡萄产业的健康发展有着重要的作用。
2、答案选择的目的是根据给定的一个问题，从一组候选答案中选择最相关的答案。早期的答案选择很大程度上依赖于设计各种特征，来对答案进行排序。然而，使用这种方法时特征工程的设计所带来的时间耗费和系统复杂度限制了方法的性能。随着深度学习技术在自然语言处理领域取得的成功，基于卷积神经网络（cnn）和循环神经网络（rnn）的模型被用于答案选择任务上。同时，注意力机制在提高深度神经网络在答案选择任务中的性能方面取得了很好的效果。
3、知识图谱作为新一代认知领域人工智能技术，因其具有高质量的知识组织结构，越来越多被研究人员所青睐。为了丰富文本的语义，最近一些研究开始引入知识图谱作为背景知识用于答案选择任务中。...
【技术保护点】
1.一种融合多模态知识的葡萄种植领域答案选择方法，包括多模态数据的采集，融合多模态知识的葡萄种植领域答案选择模型的构建。即首先通过多模态数据的采集和处理完成多模态知识图谱的构建，然后搭建答案选择模型。
2.根据权利要求1构建葡萄种植领域多模态知识图谱，首先通过参考专业文献和请教领域专家方法为知识图谱建模；使用预训练模型将收集的文本语料进行命名实体识别，完成对知识的抽取；联合使用余弦相似度算法和FASPell算法进行实体对齐；选用基于最长公共子序列的方法，利用语义标签信息，对多模态知识进行融合连接；最终构建成了葡萄种植领域的多模态知识图谱。
3....
【技术特征摘要】
1.一种融合多模态知识的葡萄种植领域答案选择方法，包括多模态数据的采集，融合多模态知识的葡萄种植领域答案选择模型的构建。即首先通过多模态数据的采集和处理完成多模态知识图谱的构建，然后搭建答案选择模型。
2.根据权利要求1构建葡萄种植领域多模态知识图谱，首先通过参考专业文献和请教领域专家方法为知识图谱建模；使用预训练模型将收集的文本语料进行命名实体识别，完成对知识的抽取；联合使用余弦相似度算法和faspell算法进行实体对齐；选用基于最长公共子序列的方法，利用语义标签信息，对多模态知识进行融合连接；最终构建成了葡萄种植领域的多模态知识图谱。
3.根据权利要求1答案选择模型包括知识表示层、知识融合层、问答匹配层。知识表示层需要处理问答对文本数据、图像数据和知识图谱数据三种模态的数据。在知识表示层中，使用bi-lstm模型对问答对数据进行文本数据的特征表示；针对图像数据筛选处理后，使用vision transformer模...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。