面向知识图谱构建的水产动物疾病诊治命名实体识别

• Published in: 农业工程学报 Vol. 38; no. 7; pp. 210 - 217
• Main Authors: 刘巨升, 杨惠宁, 孙哲涛, 杨鹤, 邵立铭, 于红, 张思佳, 叶仕根
• Format: Journal Article
• Language: Chinese
• Published: 设施渔业教育部重点实验室(大连海洋大学),大连 116023 01.04.2022; 大连海洋大学信息工程学院,大连 116023; 辽宁省海洋信息技术重点实验室,大连 116023%大连海洋大学水产与生命学院,大连 116023
• Subjects: 嵌套实体; 模型; 命名实体识别; BERT; 知识图谱; BiLSTM; 水产养殖
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2022.07.023

TP391%S966; 疾病诊治是水产动物健康养殖工程的重要支撑,知识图谱是水产动物疾病诊治知识表示及应用的有效手段,命名实体识别是构建水产动物疾病诊治知识图谱的关键.针对一词多义、实体嵌套等导致的水产动物疾病诊治命名实体识别准确率不高的问题,该研究提出了融合BERT(Bidirectional Encoder Representations from Transformers)与CaBiLSTM(Cascade Bi-directional Long Short-Term Memory)的实体识别模型.首先,建立水产动物疾病诊治专用语料库,并利用语料库中的数据对设计的模型进行训练;其次,采用"分层思想"设计CaBiLSTM模型进行嵌套实体识别,用降维的内层实体特征提升外层实体的辨析度,并引入BERT模型增添实体位置信息;最后,为验证所提出方法的有效性进行对比试验.试验结果表明,提出的融合BERT与CaBiLSTM模型对水产动物疾病诊治命名实体识别准确率、召回率、F1值分别达到93.07％、92.85％、92.96％.研究表明,该模型能够有效解决水产动物疾病诊治命名实体识别过程中由于一词多义、实体嵌套等导致的识别准确率不高问题,可提高水产动物疾病诊治知识图谱的构建质量,促进水产健康养殖工程发展.