基于词向量+BiLSTM+CRF的农业技术需求文本实体提取

• 作者: 宋林鹏 刘世洪 王翠
• 来源期刊: 江苏农业科学
• 关键词: 农业技术需求挖掘 命名实体识别 条件随机场 双向长短时记忆网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 农业工程与信息技术
• 页码范围: 186-193
• 页数: 8页
• 分类号: S126
• 语种: 中文
• DOI: 10.15889/j.issn.1002-1302.2021.05.034

摘要

农业技术需求文本实体提取是农业技术转移工作中需求分析能够量化、特征化的关键技术.基于主流农业技术转移网站上的农业技术需求文本进行分析,提出农业技术需求文本中需求主体对象、需求意图、需求程度3种关键实体成分;分别使用传统的CRF和基于神经网络的词向量+BiLSTM+CRF 2种模型对关键实体进行识别提取.试验结果表明,词向量+BiLSTM+CRF在正确率、召回率指标上分别能达到88.51％和82.28％以上,均优于CRF模型.