본 논문은 식물 과학 분야, 특히 렌틸콩의 다양한 생물적, 비생물적 스트레스 반응에 대한 연구 논문에서 구조화된 지식을 추출하기 위해 특별히 고안된 고성능 오픈소스 언어 모델인 PlantDeBERTa를 제시한다. DeBERTa 아키텍처를 기반으로 하며, 전문가가 주석을 단 추상 요약본으로 정교하게 훈련되었다. Crop Ontology와 정렬된 계층적 스키마를 사용하여 주석이 달린 코퍼스는 식물 적응의 분자, 생리적, 생화학적, 농업적 측면을 포함한다. PlantDeBERTa는 변환기 기반 모델링, 규칙 기반 언어 후처리, 온톨로지 기반 개체 정규화를 결합하여 생물학적으로 의미 있는 관계를 정밀하고 의미론적으로 정확하게 포착한다. 모델은 다양한 개체 유형에 걸쳐 강력한 일반화 능력을 보여주며, 자원이 부족한 과학 분야에서 강력한 도메인 적응의 실현 가능성을 입증한다. PlantDeBERTa는 농업 NLP의 중요한 격차를 해소하고 식물 유전체학, 표현형 분석 및 농업 지식 발견 분야에서 지능적이고 데이터 중심적인 시스템을 위한 길을 열어준다. 모델은 공개적으로 배포되어 투명성을 높이고 계산 식물 과학 분야의 학제 간 혁신을 가속화한다.
