基于深度学习的细粒度命名实体识别研究-以番茄病虫害为例

• 全文链接
• 请求原文

作   者：

任妮;  鲍彤;  沈耕宇;  郭婷; 

作者机构：

江苏省农业科学院信息中心;  江苏大学科技信息研究所; 

关键词：

BERT模型;  细粒度;  BiLSTM模型;  命名实体识别;  番茄病虫害; 

期刊名称：

情报科学

基金项目：

面向乡村振兴的图书馆精准服务及实现机制研究

i s s n：

1007-7634

年卷期：

2021 年 011 期

页   码：

96-102

摘   要：

【目的/意义】开展面向领域的细粒度命名实体识别研究对于提升文本挖掘精度具有重要的意义,本文以番茄病虫害命名实体为例,探索采用深度学习技术实现面向领域的细粒度命名实体识别研究方法。【目的/意义】文章以电子书、论文、网页作为数据源,选择品种、病虫害、症状、时间、部位、防治药剂六类实体进行标注,利用BERT和CBOW预训练字向量分别输入BiLSTM-CRF模型训练,并在识别后补充规则控制实体的边界。【结果/结论】BERT预训练的字向量和BiLSTM-CRF结合,在补充规则控制后F值达到了81.03%,优于其它模型,在番茄病虫害领域的实体识别中具有较好的效果。【创新/局限】BERT预训练的字向量可以有效降低番茄病虫害领域实体因分词错误带来的影响,针对不同实体的特点,补充规则可以有效控制实体边界,提高识别准确率。但本文的规则补充仅在测试阶段,并没有加入训练过程,整体的准确率还有待提高。