基于BERT-BiLSTM-CRF的农产品信息文本命名实体识别研究及应用展望

命名实体识别是从农产品信息文本数据中有效抽取信息的关键一步,旨在从非结构化文本中确定与农产品特性相关的命名实体.农业领域的命名实体识别研究大多集中在农业病虫害领域,关于农产品信息文本的实体识别研究较少,通过采用BMES标注的方式对爬虫获取的农产品信息文本数据进行标注,提出融合BERT的BiLSTM-CRF深度学习模型对该文本数据进行实体抽取.将该模型与多种神经网络模型的实验结果比较发现,融合BERT的BiL-STM-CRF模型对农作物、地区、富含营养成分等3种命名实体识别的准确率和召回率分别为82.25％和84.54％,明显优于IDCNN-CRF等神经网络模型,说明该方法能有效识别抽取农产品信...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	农业展望 2022, Vol.18 (5), p.105-111
Hauptverfasser:	贺子康, 杨勇, 杨国峰, 张欣钰
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	命名实体识别是从农产品信息文本数据中有效抽取信息的关键一步,旨在从非结构化文本中确定与农产品特性相关的命名实体.农业领域的命名实体识别研究大多集中在农业病虫害领域,关于农产品信息文本的实体识别研究较少,通过采用BMES标注的方式对爬虫获取的农产品信息文本数据进行标注,提出融合BERT的BiLSTM-CRF深度学习模型对该文本数据进行实体抽取.将该模型与多种神经网络模型的实验结果比较发现,融合BERT的BiL-STM-CRF模型对农作物、地区、富含营养成分等3种命名实体识别的准确率和召回率分别为82.25％和84.54％,明显优于IDCNN-CRF等神经网络模型,说明该方法能有效识别抽取农产品信息文本数据命名实体.基于此,命名实体识别作为中文文本信息抽取的关键技术,在农产品信息推荐系统、智能问答等方面将会有广泛的应用前景.
ISSN:	1673-3908
DOI:	10.3969/j.issn.1673-3908.2022.05.015