农业机械学报

作者：李春春，丁鑫，张华扬，王德炅，王子阳，江子曦，雷雨

单位：安徽大学,安徽大学,安徽大学,安徽大学,安徽大学,安徽大学,安徽大学,

关键词：茶树病虫害;命名实体识别;BERT;知识图谱;问答系统

基金：安徽省自然科学基金项目（2108085QA35）、安徽省高校科研计划项目（2024AH052212）、国家自然科学基金项目（32301701、71971002）、安徽省高等学校科学研究项目(2022AH050085)、合肥市自然科学基金项目(202309)和河南省重点研发专项(241111110800)

在非结构化茶树病虫害文本数据中快速、准确地识别出病害实体，对于茶树病虫害高效管理与防控至关重要。目前茶树病虫害领域缺乏公开高质量数据集，且传统命名实体识别方法存在实体边界模糊、识别准确率低等问题。为此，本文构建了茶树病虫害标注语料库，并提出一种基于BERT-BiLSTM-CRF的茶树病虫害命名实体识别方法。利用BERT模型获取上下文相关词向量表示，提升茶树病虫害语义理解能力；通过BiLSTM模块融合正向与反向信息，捕捉长距离依赖关系，挖掘茶树病虫害的深层语义特征；采用CRF层对标签序列进行全局优化，提升茶树病虫害实体边界识别精度。试验结果表明，本文模型在自建数据集上的精确率、召回率和F1值分别为98.42%、98.75%和98.58%，达到了SOTA性能。在数据集MSRANER和CLUENER2020上F1值分别为92.4%和87.8%，验证了模型泛化能力。研究结果不仅为农业领域知识抽取提供了融合语言学规则与深度学习的范式参考，还为构建茶树病虫害知识图谱与问答系统提供了技术支持，从而有助于茶树种植者和农业技术人员实现高效决策。

来源：2025年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第11期