基于多源信息融合的中文农作物病虫害命名实体识别

李 林 周 晗 郭旭超 刘成启 苏 洁 唐 詹

(中国农业大学信息与电气工程学院， 北京 100083)

0 引言

农作物病虫害知识图谱构建的基础是命名实体识别，即从未加工的农作物病虫害文本中识别出特定类别的专有名词实体。其准确率直接影响农作物病虫害领域多种自然语言处理技术的结果[1-3]。

国内外众多学者对命名实体识别进行了研究，并取得了较多研究成果[4-8]。但这些方法都基于机器学习，需要人工添加大量特征，无法适应数据模式的变化。近年来，研究人员结合不同的半监督学习和深度神经网络(Deep neural networks，DNN)，以找到命名实体识别、关系抽取[9]和知识图谱构建等分块任务的最佳解决方案[10]。在英语命名实体识别上，文献[11]使用基于长短时记忆网络和条件随机场相结合(Long short-term memory-conditional random field，LSTM-CRF)的中文分词联合训练方法，精确度提高了5%。文献[12]首次将双向长短时记忆网络和条件随机场相结合的方法(Bidirectional long short-term memory-conditional random field，BILSTM-CRF)应用于自然语言处理(Natural language processing，NLP)基准序列标记数据集，与之前的工作相比，取得了更好的结果。文献[13]使用迭代扩张卷积神经网络(Iterated dilated convolutional neural networks，IDCNN)方法，从整个文档中聚合上下文的IDCNN识别实体，准确性较高，且相对于长短时记忆网络(Long short-term memory，LSTM)，IDCNN可实现并行计算，提高了实体识别速度。

与英语命名实体识别相比，汉语命名实体识别研究起步较晚，难度更大[14-16]。嵌入字或者词汇向量能较好地捕捉中文语义信息。文献[17]提出了Lattice-LSTM模型，该模型利用字符级别和词汇级别的信息，在OntoNotes、MSRA、Weibo和Resume等4种中文数据集上取得了较好的效果。文献[18]提出……