基于注意力机制和深度学习模型的外来海洋生物命名实体识别

贺琳，张雨，巴韩飞

(大连海事大学 航运经济与管理学院，辽宁 大连 116026)

外来海洋生物入侵是全球生物多样性丧失的主要原因之一。中国海岸线绵长，整个海域跨越温带、亚热带和热带3个气候带，生态系统类型较多，这些自然特征使中国更易受到外来海洋生物入侵的危害[1]。目前，针对外来海洋生物数据还未有一个完善的数据库可供使用和研究，因此，无法对外来海洋生物的来源地、现存地、生存环境和物种特性等进行深入研究分析。互联网中存在大量的外来海洋生物的文本信息，但其较为分散且大多都是非结构化的，而知识图谱作为显示科学知识发展进程与结构关系的可视化工具可以较好地解决这一问题。面对目前已有的分散杂乱的外来海洋生物文本信息，通过实体识别、关系识别、实体对齐等知识图谱构建流程，整合互联网上的文本信息，构建外来海洋生物知识图谱并将其可视化，有利于外来海洋生物信息的检索和获取；通过对知识图谱的深入分析，还可以充分发掘外来海洋生物之间的关联信息，有利于海关相关管理部门及研究机构对外来海洋生物进行统一的风险识别及监督管理。命名实体识别属于知识图谱的构建流程中最关键的部分，外来海洋生物命名实体识别的质量直接决定了知识图谱的优劣。因此，对互联网上的外来海洋生物信息进行命名实体识别研究具有重要的意义。

命名实体识别研究目前主要集中在两个方面，即通用领域文本识别和特定领域文本识别。……