农业知识图谱是融合了农业地域性,季节性,多样性等特征后,利用农业领域的实体概念与关系,挖掘出农业潜在价值的智能系统
应用场景:
通用 vs 领域/行业应用
从搜索延伸至推荐、问答等复杂任务
从简单关系发现到深层关系推理
从回答what问题到回答why问题
从关键词交互到更自然的人机对话式交互
技术生态:
机器学习
深度学习
自然语言处理
数据挖掘
知识图谱
在本项目中,我们训练了一系列基于深度学习的神经网络模型(word2vec模型,end2end模型等)。
在传统框架下,实现这些模型需要耗费大量的精力,且很难保证模型的正确性。此外,传统框架下只能使用CPU进行模型训练,训练时间太长。