為了推動、應(yīng)用智慧農(nóng)業(yè)，實現(xiàn)農(nóng)業(yè)的信息化、數(shù)字化、智能化、自動化管理，國內(nèi)外各科研機構(gòu)都投入了大量精力，應(yīng)用深度學(xué)習(xí)、定位導(dǎo)航、人工智能等新興技術(shù)，在農(nóng)機設(shè)備、算法、系統(tǒng)等方面，取得了一定進展。

目前，我國農(nóng)業(yè)發(fā)展處于轉(zhuǎn)型過程中，需要將智慧農(nóng)業(yè)放到社會中統(tǒng)籌謀劃。智慧農(nóng)業(yè)就是將物聯(lián)網(wǎng)技術(shù)運用到傳統(tǒng)農(nóng)業(yè)中去，運用傳感器和軟件通過移動平臺或者電腦平臺對農(nóng)業(yè)生產(chǎn)進行控制，為農(nóng)業(yè)生產(chǎn)提供精準(zhǔn)化種植、可視化管理、智能化決策，使傳統(tǒng)農(nóng)業(yè)更具有“智慧”。

中國科學(xué)院合肥物質(zhì)科學(xué)研究院智能機械研究所與中國科學(xué)技術(shù)大學(xué)，針對目前基于預(yù)訓(xùn)練語言模型的命名實體識別的研究，在面對農(nóng)業(yè)領(lǐng)域存在的實體命名方式繁雜、實體邊界模糊等問題時，僅使用PLM最后一層表示輸出，且均從外部引入知識或操作對實體表示進行增強，忽視內(nèi)部各層本身蘊含語言不同層次的豐富信息，這一問題，展開了一項基于遞進式卷積網(wǎng)絡(luò)的命名實體識別方法。

該方法首先存儲自然句子，通過PLM后得到的每層輸出表示;其次以遞進式卷積作為全層信息的特征提取手段，對儲存的模型中間層輸出表示依次卷積。模型將注重全層信息，包括被忽略的淺層輸出，而有研究表明靠近輸入的模型層輸出的句子嵌入包含更多的諸如短語、詞組等粗粒度信息，對于邊界模糊的農(nóng)業(yè)命名實體識別，更關(guān)鍵的詞組界定信息或許就隱含在這些被忽略的淺層嵌入中，可為農(nóng)業(yè)領(lǐng)域存在的命名實體識別問題提供幫助。

無需外部信息的引入，充分利用已使用的計算力得到的結(jié)果就能增強句子的表示嵌入;最終通過條件隨機場模型生成全局最優(yōu)序列。

在構(gòu)建的包含農(nóng)作物品種、病害、蟲害和農(nóng)藥4類農(nóng)業(yè)實體的農(nóng)業(yè)數(shù)據(jù)集上，所提方法的綜合性指標(biāo)F1值相較于基于Transformer的雙向編碼表征模型提升3.61%，在公開數(shù)據(jù)集上也有較好表現(xiàn)，其中在數(shù)據(jù)集MSRA上F1值提升至94.96%，說明基于遞進式的卷積網(wǎng)絡(luò)能夠增強模型對自然語言的表示能力，在命名實體識別任務(wù)上具有優(yōu)勢。

該項研究對命名實體識別任務(wù)的應(yīng)用，具有參考價值，期待未來越來越多的科研成果能應(yīng)用在生產(chǎn)、生活中，充分推廣并利用智慧農(nóng)業(yè)做好眼前的事情，科技改變生活。