数字农科院2.0

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

文献类型: 中文期刊

作者: 贺子康;杨勇;杨国峰;张欣钰

作者机构:

关键词: 农产品信息;命名实体识别;深度学习模型;信息抽取

期刊名称:农业展望

ISSN: 1673-3908

年卷期: 2022 年 18.0 卷 5 期

页码:

收录情况: 农林核心(2020版)

摘要: 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BiLSTM-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。

分类号:

  • 相关文献

[1]一种基于语音识别的农产品信息采集设备和方法. 许金普,诸叶平. 2015

[2]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

[3]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

[4]基于BERT的猕猴桃病虫害命名实体识别. 文青青,李金星,王虎,李莉婕,赵泽英,郭雷风. 2025

[5]农业中文期刊论文信息自动识别与抽取模型构建及实现. 薛欢欢,赵瑞雪,寇远涛,鲜国建. 2019

[6]基于Web的农业知识问答系统研究. 钟娟,谢能付. 2007

[7]水稻本体实例构建研究. 李嘉锐,崔运鹏,张学福,苏晓路,郝心宁,鄂志国. 2014

[8]基于Web的农业信息自动抽取方法研究. 王文生,谢能付. 2007

[9]文本挖掘技术在农业知识服务中的应用述评. 孙坦,丁培,黄永文,鲜国建. 2021

[10]近两年国外本体应用研究进展. 徐静,孙坦,黄飞燕. 2008

[11]地理标志农产品品牌管理政策注意力分析模型构建及应用. 霍梦佳,刘娟,黄杰. 2023

[12]文本挖掘技术在农业知识服务中的应用述评. 孙坦,丁培,黄永文,鲜国建. 2021

[13]基于词性标注规则的马铃薯文献信息抽取方法. 王腾阳,赵小丹,胡林. 2023

作者其他论文 更多>>