都市农业产业链结构文本训练数据

本数据集服务于现代农业与都市农业产业链智能分类与图谱构建模型的训练与开发，通过关联企业文本与种植品类标签，为农业产业分析提供数据工具。其主要应用于：特色农业产业规划：辅助地方政府与农业部门，分析区域在谷物、水果、蔬菜、食用菌等不同品类上的种植布局、产业集聚度及“种植+观光”、“种植+加工”等融合业态发展情况，为制定精准农业政策提供依据。农产品供应链与市场研究：赋能农产品流通企业、电商平台或食品加工企业，精准识别特定品类（如特色水果、有机蔬菜）的规模化种植基地、初加工企业及具备“生态观光”属性的休闲农业主体，优化采购与合作伙伴选择。一、加工前数据说明
本数据集旨在构建用于现代农业产业链智能分析的人工智能模型训练语料。在加工前，数据已进行严格的匿名化与去标识化处理。原始企业名称被统一替换为不可逆的规范标识符，并彻底移除所有的个人及商业敏感信息，确保数据完全符合隐私保护与安全合规要求，为模型训练提供了洁净、可靠的输入基础。
二、数据处理规则
数据处理严格遵循 “体系先行、业务匹配、特征抽取” 的核心规则，形成了一套从分类框架构建到最终标签生成的完整流程：1.首先，依据国家现代农业产业分类及都市农业特点，预先定义了以“都市农业”为一级节点，以“种植农业”为核心二级节点，并进一步细分为“谷物种植”、“水果种植”、“蔬菜种植”、“油料种植”、“食用菌种植”、“花卉种植”及“设施农业”下的“精准农业”等具体类目（三级节点）的树状分类体系，为数据加工提供了清晰、专业的框架。2.业务匹配：采用“自动化规则匹配与人工校验相结合”的策略。首先，依托Spark大数据处理框架，对海量企业简介文本进行分布式清洗、分词与关键词匹配，通过预构建的现代农业语义规则库（涵盖“水稻”、“水果”、“蔬菜”、“食用菌”、“生态观光”、“智能农业”、“精深加工”等）自动计算并推荐初步分类节点。随后，由具备农业领域知识的标注专家进行审核与最终判定，确保企业被归入最贴切的种植品类及经营业态节点。3.特征抽取：在完成业务匹配的同时，从同一段企业简介文本中，系统性地抽取代表其种植品类、技术应用、经营模式及产业链环节的关键术语与名词性短语，经过去重与标准化格式化，组合成“正向词”特征串，作为对分类标签的细粒度、多维度语义补充。
三、加工后数据内容
加工后的数据集为一条条结构化的“文本-标签”数据。每条数据均包含经过脱敏处理的原始企业描述文本，以及与之对应、经人工校验的完整分类标签（一至三级节点）、丰富且精准的业务特征词（正向词）及产业标签。数据内容全面覆盖了从传统谷物种植到高附加值水果、蔬菜、食用菌种植，以及融合了观光旅游、精深加工、智能管理的现代都市农业各类经营主体，形成了一个分类体系专业、特征刻画深入、可直接用于现代农业企业分类、特色产业分析、农旅融合业态研究等模型训练与评估的高质量专用数据集。

搜集汇总

背景与挑战

背景概述

该数据集是用于都市农业产业链智能分类与图谱构建的文本训练数据，包含1000条已脱敏的企业文本及对应的多级分类标签（如谷物种植、蔬菜种植等），涵盖从传统种植到农旅融合、精深加工等多元业态。数据通过自动化规则匹配与人工校验相结合的方式加工，保证了分类的专业性和准确性，并已进行匿名化处理以保障数据隐私安全，适用于农业产业规划、供应链研究等场景的模型训练。