数字农科院2.0

基于BERT的猕猴桃病虫害命名实体识别

文献类型： 中文期刊

作者： 文青青;李金星;王虎;李莉婕;赵泽英;郭雷风

作者机构：

关键词： 猕猴桃病虫害;数据增强;BERT;句子重组;语言模型生成;命名实体识别

期刊名称：计算机技术与发展

ISSN： 1673-629X

年卷期： 2025 年

页码：

收录情况： 科技核心（2024版）

摘要： 针对猕猴桃病虫害领域存在的训练数据稀缺、实体结构复杂多变、实体类型繁多以及实体分布不均衡等难题，引入了基于数据增强的BERT模型。首先对收集的6本书籍信息进行分析后，构建了包含11种实体类别的猕猴桃病虫害数据集KIVINER，之后为了有效扩充猕猴桃病虫害数据集，采用了句子重组和基于语言模型生成这两种数据增强方法对数据集进行扩充。在初步研究中，分别设置了IDCNN-CRF、BERT-BiLSTM-CRF、RoBERT-BiLSTM-CRF、ALBERT和BERT这五个模型在猕猴桃病虫害原始数据集上的性能进行了试验。实验结果显示，BERT模型在10类实体上的F1值均达到了90%以上，总体F1值达到了93.4%。随后，探讨了不同数据增强策略对BERT模型在猕猴桃病虫害命名实体识别任务中性能的影响。实验结果表明，句子重组方法和基于语言模型的方法的F1值分别提升到了94.29%、94.11%。将两种数据增强方法结合后，模型的精确率、召回率和F1值达到了最高，分别为94.12%、95.17%和94.64%，同时，该模型在公开数据集Resume上也取得了不错的效果，说明该模型具有一定的泛化能力。

分类号：

  • 相关文献

[1]基于BERT的常见作物病害问答系统问句分类. 杨国峰,杨勇. 2020

[2]农业科学数据共享技术系统研究. 彭秀媛,王枫,周国民. 2019

[3]基于词向量+BiLSTM+CRF的农业技术需求文本实体提取. 宋林鹏,刘世洪,王翠. 2021

[4]利用深度学习进行GF-6影像枣园检测识别. 段晨阳,冯建中,全斌,白林燕,王盼盼. 2022

[5]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. 贺子康,杨勇,杨国峰,张欣钰. 2022

[6]知识图谱驱动下粮食生产大数据应用现状与展望. 杨晨雪,李娴,周清波. 2025

[7]基于空间特征融合ViT的枸杞虫害细粒度分类方法. 孙露露,刘建平,周国民,王健,刘立波. 2024

[8]Multi-Label Classification of Chinese Rural Poverty Governance Texts Based on XLNet and Bi-LSTM Fused Hierarchical Attention Mechanism. Xin Wang,Leifeng Guo. 2023

[9]Protein-protein interaction and site prediction using transfer learning. Tuoyu Liu,Han Gao,Xiaopu Ren,Guoshun Xu,Bo Liu,Ningfeng Wu,Huiying Luo,Yuan Wang,Tao Tu,Bin Yao,Feifei Guan,Yue Teng,Huoqing Huang,Jian Tian. 2023

[10]Long short-term search session-based document re-ranking model. Liu, Jianping,Wang, Meng,Wang, Jian,Wang, Yingfei,Chu, Xintao. 2024

作者其他论文 更多>>