基于词向量+BiLSTM+CRF的农业技术需求文本实体提取

被引：13

作者：

宋林鹏

刘世洪

王翠

机构：

[1] 中国农业科学院农业信息研究所/农业农村部农业信息服务技术重点实验室

来源：

江苏农业科学 | 2021年 / 49卷 / 05期

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;

D O I：

10.15889/j.issn.1002-1302.2021.05.034

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

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。

引用

页码：186 / 193

页数：8

共 7 条

[1]

需求导向型农技推广机制研究.[D].焦源.中国海洋大学.2014, 11

[2]

基于BERT的中文命名实体识别方法 [J].