典型文献
基于BERT嵌入和对抗训练的农业领域命名实体识别
文献摘要：
面向农业领域的命名实体识别任务是农业领域中信息提取及问答系统的关键步骤,目标是从海量非结构化农业文本中找出需要的命名实体,通常存在诸如实体名称多样和上下文语义缺失等挑战.为完成复杂语境下的农业命名实体识别任务,首先构建一个农业领域的标注语料库,其中包含6类实体共16048个样本;接着将BERT预训练语言模型作为词嵌入层,相比较传统词嵌入模型,很好地解决了不同语境下同一词语的不同语义以及指代问题;然后利用BiGRU网络模型进行上下文编码;最后利用CRF优化输出标注.同时,对输入数据引入一定的噪声,以此进行对抗训练来提高模型的泛化性和鲁棒性.经过试验,提出模型的准确率、召回率、F值分别为92.75％、91.53％、92.49％,与基线模型相比,该方法的性能表现更好,可以有效地识别出农业领域命名实体.
文献关键词：
农业;自然语言处理;命名实体识别;信息抽取;BERT;BiGRU;对抗训练
中图分类号：
作者姓名：
费凡;杨林楠
作者机构：
云南农业大学大数据学院,昆明 650201
文献出处：
引用格式：
[1]费凡;杨林楠-.基于BERT嵌入和对抗训练的农业领域命名实体识别)[J].湖北农业科学,2022(18):196-202,221
A类：
B类：
BERT,对抗训练,农业领域,命名实体识别,中信,信息提取,问答系统,关键步骤,非结构化,农业文本,常存,如实,上下文语义,语义缺失,语料库,预训练语言模型,嵌入层,词嵌入模型,下同,词语,指代,BiGRU,上下文编码,CRF,输入数据,泛化性,出模,召回率,基线模型,自然语言处理,信息抽取
AB值：
0.320012
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
