基于双仿射机制的中文马铃薯病虫害命名实体识别

摘要

本文针对马铃薯病虫害实体标注数据集缺失的问题，提出了基于大语言模型（LLM）的方法构建马铃薯中文病虫害实体标注数据集，有效减少了标注过程中的人工成本和时间成本；同时，针对中文马铃薯病虫害文本实体嵌套问题，构建了一套基于Ro BERTa＿wwm-CNN-BiGRU-Biaffine的命名实体识别模型。首先，采用RoBERTa-wwm模型提取马铃薯病虫害文本的语义信息，获取动态词向量，解决词不完全识别的问题；然后，将CNN-BiGRU作为特征抽器获取实体的上下文信息；再基于双仿射机制识别实体的跨度信息；最后，通过softmax函数进行解码。引入焦点损失函数解决样本分布不均衡的问题。实验表明，该模型的马铃薯病虫害文本命名实体识别P、R、F1值分别达到91.50%、90.28%、90.89%。本文提出的模型在公有数据集MSRA上与RoBERTa＿wwm、RoBERTa＿wwm＿LSTM＿Biaffine、RoBERTa＿wwm＿CNN＿Biaffine等模型进行了对比实验，并取得了最佳的实验结果，F1值达到96.67%。

关键词

马铃薯病虫害 / 命名实体识别 / 双仿射机制

基金资助

内蒙古自治区科技重大专项项目（2021ZD0005）; 内蒙古自治区自然科学基金项目（2020MS06013）