农业机械学报

作者：蒲攀，张越，刘勇，聂炎明，黄铝文

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：苹果知识图谱;病虫害;自然语言处理;命名实体识别;Transformer

基金：陕西省重点研发计划项目（2019ZDLNY07-06-01）

为提高苹果生产领域实体识别的准确性，提出一种新的Transformer优化模型。首先，为解决苹果生产数据集的缺失，基于苹果栽培领域园艺专家的知识经验，创建以苹果病虫害为主的产业数据集。通过字向量与词向量的拼接，提高文本语义表征的准确性；随后，为防止位置信息缺失，引入具有方向和距离感知的注意力机制，平均集成BiLSTM的上下文长距离依赖特征；最后，结合条件随机场(Conditional random fields, CRF)约束上下文标注结果，最终得到Transformer优化模型。实验结果表明，所提方法在苹果病虫命名实体识别中的F1值可达92.66%，可为农业命名实体的准确智能识别提供技术手段。

来源：2023年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第6期