农业机械学报

作者：许鑫，马文政，张浩，马新明，乔红波

单位：河南农业大学,河南农业大学,河南农业大学,河南农业大学,河南农业大学,

关键词：农作物品种;信息抽取;BERT;对抗训练

基金：河南省科技创新杰出人才项目

针对我国作物品种种类多，资源信息规范性差，模型训练精度低等问题，本文以小麦、水稻、玉米、大豆、棉花、花生、油菜7种作物为对象，以品种、形态、产量和品质等参数为指标，构建了83个品种实体，采用人工标注方法，通过融合对抗训练技术，提出了农作物品种信息抽取4层网络模型(BERT-PGD-BiLSTM-CRF)。模型基于深层双向Transformer构建的BERT(Bidirectional encoder representation from transformers)模型作为预训练模型获取字词语义表示，使用PGD(Projected gradient descent)对抗训练方法为样本增加扰动，提高模型鲁棒性和泛化性，利用双向长短期记忆网络 (Bidirectional long short-term memory, BiLSTM)学习长距离文本信息，结合条件随机场(Conditional random field,CRF)学习标签约束信息。对比18个不同信息抽取模型的训练效果，结果表明，本研究提出的BERT-PGD-BiLSTM-CRF模型精确率为95.4%、召回率为97.0%、F1值为96.2%，说明利用对抗训练技术的BERT-PGD-BiLSTM-CRF模型能够有效对作物品种信息进行抽取，同时也为农业信息抽取提供了技术参考。

来源：2023年第12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12期