亚洲免费精品视频,日本午夜精品电影,国产在线精品自拍

面向农业知识图谱构建的文本实体标注准则构建及应用

2023年电子技术应用第5期

陈晓晋1，唐球2，王耀君1

（1.中国农业大学信息与电气工程学院，北京 100083；2.中国电子信息产业集团有限公司第六研究所，北京 100083）

摘要： 随着农业大数据及智慧农业的发展，面对海量的农业文本数据，构建知识图谱等自然语言处理应用需求逐渐增长。目前，在农业领域的实体语料库及实体标注体系仍处于空白状态。对农业文本进行处理时，面临如何定义实体类别及范围等问题。基于此问题，以农业科学叙词表为科学依据，提出面向农业知识图谱构建的农业文本数据实体标注准则，涵盖了农作物、病虫草害等多种农业实体，以及基于该准则设置标注原则构建基于农业文本的自注释语料库，并进行实验验证，证明了该准则的有效性。该准则为农业实体语料库的构建提供可参考的标注规范，以及为农业实体识别提供语料支持。

關鍵詞： 知识图谱农业文本实体标注知识表示

中圖分類號：TP391
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.233824
中文引用格式： 陳曉晉，唐球，王耀君. 面向農業知識圖譜構建的文本實體標注準則構建及應用[J]. 電子技術應用，2023，49(5)：1-7.
英文引用格式： Chen Xiaojin，Tang Qiu，Wang Yaojun. Construction and application of agricultural text data entity labeling criteria for agricultural knowledge graph construction[J]. Application of Electronic Technique，2023，49(5)：1-7.

Construction and application of agricultural text data entity labeling criteria for agricultural knowledge graph construction

Chen Xiaojin1，Tang Qiu2，Wang Yaojun1

(1.College of Information and Electrical Engineering， China Agricultural University， Beijing 100083， China； 2.National Computer System Engineering Research Institute of China ，Beijing 100083 ，China)

Abstract： With the development of agricultural big data and smart agriculture, in the face of massive agricultural text data, the demand for building knowledge graph and other natural language processing applications has gradually increased. At present, the entity corpus and entity labeling system in the agricultural field are still in a blank state. When dealing with agricultural texts, we are faced with such problems as how to define the category and scope of entities. Based on this problem, this paper takes the agricultural thesaurus as the scientific basis, proposes the agricultural text data entity labeling criteria for the construction of agricultural knowledge graph, covering a variety of agricultural entities such as crops, pests and weeds, and constructs a self-annotation corpus based on agricultural text based on the labeling principles of the criteria, and carries out experimental verification to prove the effectiveness of the criteria. This criterion provides a referential labeling specification for the construction of agricultural entity corpus and corpus support for agricultural entity recognition.

Key words : knowledge graph；agricultural text；entity tagging；knowledge representation

0　引言

近年來，隨著大數據技術的發展，各個領域的數值、圖像、文本、語音視頻等多源大數據增長迅速。以農業領域為例，農業新聞、農資信息、農業政策法規等與農業生產生活息息相關的信息通過互聯網發布和傳播，構成了農業文本大數據的主要組成部分。農業從業者及研究者主要通過網絡中的文本信息來獲取農業資訊，有效分析文本數據不僅可以幫助農業從業者了解最新的實踐和趨勢，還可以為農業從業者、專家在農業任務管理中做出決策提供支持。農業資訊中蘊含著大量的專業農業知識及豐富的農業信息，且主要以非結構化的形式存在。農業領域的命名實體識別的任務是從非結構化的文本中識別與農業領域相關的實體，例如作物名稱、病蟲害、農藥、肥料等，是作為農業知識圖譜構建和問答等下游任務不可或缺的基本組成部分。

針對命名實體識別任務的主要方法為，基于規則和字典匹配、基于機器學習的方法以及兩者混合的方法。但存在不足，無法滿足復雜文本需求，仍有局限性。

近年來隨著深度學習的快速發展，其實現了無需復雜的特征工程和豐富的領域知識就可以學習復雜的隱藏表示。目前，基于深度學習的模型已被廣泛應用于完成命名實體識別任務，并已廣泛應用于醫學、金融等領域，但是目前，在農業領域仍存在挑戰。

農業文本實體存在著領域特殊性、實體命名方式繁多、實體邊界模糊、特征提取不充分、實體邊界標注不一致、數據庫不足等問題。這在一定程度上增加了識別農業文本中實體的成本和難度。

為了解決上述問題，并促進基于農業文本命名實體識別任務及其后續應用的完成，本文將構建農業文本數據實體標注準則，并以此建立農業實體標注語料庫。為農業領域相關從業人員提供實體標注準則，便于其開展農業文本研究，例如知識圖譜構建及問答等相關工作。

本文詳細內容請下載：http://www.tom3567.com/resource/share/2000005299

作者信息：

陳曉晉1，唐球2，王耀君1

（1.中國農業大學信息與電氣工程學院，北京 100083；2.中國電子信息產業集團有限公司第六研究所，北京 100083）

微信圖片_20210517164139.jpg