数字农科院2.0

基于词向量+BiLSTM+CRF的农业技术需求文本实体提取

文献类型： 中文期刊

作者： 宋林鹏;刘世洪;王翠

作者机构：

关键词： 农业技术需求挖掘;命名实体识别;条件随机场;双向长短时记忆网络

期刊名称：江苏农业科学

ISSN： 1002-1302

年卷期： 2021 年 49 卷 5 期

页码：

收录情况： 北大核心（2020版） ; 农林核心（2020版） ; 科技核心（2020版）

摘要： 农业技术需求文本实体提取是农业技术转移工作中需求分析能够量化、特征化的关键技术。基于主流农业技术转移网站上的农业技术需求文本进行分析,提出农业技术需求文本中需求主体对象、需求意图、需求程度3种关键实体成分;分别使用传统的CRF和基于神经网络的词向量+BiLSTM+CRF 2种模型对关键实体进行识别提取。试验结果表明,词向量+BiLSTM+CRF在正确率、召回率指标上分别能达到88.51%和82.28%以上,均优于CRF模型。

分类号：

  • 相关文献

[1]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

[2]基于Self-Attention-BiLSTM网络的西瓜苗叶片氮磷钾含量高光谱无损检测方法研究. 徐胜勇,刘政义,黄远,曾雨,别之龙,董万静. 2024

[3]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

[4]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

[5]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

作者其他论文 更多>>