调度命令是铁路运输调度指挥工作的核心指令,准确、快速地传达调度命令,是保障铁路系统在复杂运营环境中安全、高效、有序运转的前提条件。目前,铁路运输生产中存在诸多书面调度命令传递的场景,需要由人工读取书面调度命令信息,并完成...调度命令是铁路运输调度指挥工作的核心指令,准确、快速地传达调度命令,是保障铁路系统在复杂运营环境中安全、高效、有序运转的前提条件。目前,铁路运输生产中存在诸多书面调度命令传递的场景,需要由人工读取书面调度命令信息,并完成相关数据录入,耗时费力、效率较低,且易出现信息错误录入和漏传等问题。基于书面调度命令的特点,文章研究书面调度命令信息智能识别与提取方法,将图像分割处理与经典光学字符识别(OCR,Optical Character Recognition)算法相结合,增强对表格结构和文本内容的识别能力,更为精确地分割、定位和识别书面调度命令中的文字信息;并结合调度命令模板和用语规范,完成关键信息的提取。实验结果表明,在字符识别前先进行表格分割处理,对于提高调度命令文字识别准确率效果显著,便于后续调度命令结构化数据的自动提取。展开更多
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
文摘调度命令是铁路运输调度指挥工作的核心指令,准确、快速地传达调度命令,是保障铁路系统在复杂运营环境中安全、高效、有序运转的前提条件。目前,铁路运输生产中存在诸多书面调度命令传递的场景,需要由人工读取书面调度命令信息,并完成相关数据录入,耗时费力、效率较低,且易出现信息错误录入和漏传等问题。基于书面调度命令的特点,文章研究书面调度命令信息智能识别与提取方法,将图像分割处理与经典光学字符识别(OCR,Optical Character Recognition)算法相结合,增强对表格结构和文本内容的识别能力,更为精确地分割、定位和识别书面调度命令中的文字信息;并结合调度命令模板和用语规范,完成关键信息的提取。实验结果表明,在字符识别前先进行表格分割处理,对于提高调度命令文字识别准确率效果显著,便于后续调度命令结构化数据的自动提取。
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。
