為了解決農(nóng)業(yè)病蟲害命名實體識別過程中存在的內(nèi)在語義信息缺失、局部上下文特征易被忽略和捕獲長距離依賴能力不足等問題,以農(nóng)業(yè)病蟲害文本為研究對象,提出一種基于部首嵌入和注意力機制的農(nóng)業(yè)病蟲害命名實體識別模型（Chinese agricultural diseases and pests named entity recognition with joint radical-embedding and selfattention,RS-ADP）。首先,該模型將部首嵌入集成到字符嵌入中作為輸入,用以豐富語義信息。其中,針對部首嵌入設(shè)計了3種特征提取策略,即卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network,CNN）、雙向長短時記憶網(wǎng)絡(luò)（Bidirectional long short-term memory network,Bi LSTM）和CNN-Bi LSTM;其次,采用多層不同窗口尺寸的CNNs層提取不同尺度的局部上下文信息;然后,在Bi LSTM提取全局序列特征的基礎(chǔ)上,采用自注意力機制進一步增強模型提取更長距離依賴的能力;最后,采用條件隨機場（Conditiona... 

【文章來源】：農(nóng)業(yè)機械學(xué)報. 2020,51(S2)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

RS-ADP模型架構(gòu)

嵌入層的部首嵌入和字符嵌入特征

部分漢字部首示例

【參考文獻】：
期刊論文
[1]結(jié)合知識圖譜與雙向長短時記憶網(wǎng)絡(luò)的小麥條銹病預(yù)測[J]. 張善文,王振,王祖良.  農(nóng)業(yè)工程學(xué)報. 2020(12)
[2]水稻病蟲草害與藥劑實體關(guān)系聯(lián)合抽取算法[J]. 沈利言,姜海燕,胡濱,謝元澄.  南京農(nóng)業(yè)大學(xué)學(xué)報. 2020(06)
[3]面向食品安全事件新聞文本的實體關(guān)系抽取研究[J]. 鄭麗敏,齊珊珊,田立軍,楊璐.  農(nóng)業(yè)機械學(xué)報. 2020(07)
[4]基于BERT-IDCNN-CRF的中文命名實體識別方法[J]. 李妮,關(guān)煥梅,楊飄,董文永.  山東大學(xué)學(xué)報(理學(xué)版). 2020(01)
[5]基于條件隨機場的農(nóng)作物病蟲害及農(nóng)藥命名實體識別[J]. 李想,魏小紅,賈璐,陳昕,劉磊,張彥娥.  農(nóng)業(yè)機械學(xué)報. 2017(S1)
[6]基于條件隨機場的農(nóng)業(yè)命名實體識別研究[J]. 王春雨,王芳.  河北農(nóng)業(yè)大學(xué)學(xué)報. 2014(01)



本文編號：3277789