面向知识图谱构建的水产动物疾病诊治命名实体识别.pdfVIP

第 38 卷 第 7 期 农 业 工 程 学 报 Vol.38 No.7 210 2022 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2022 面向知识图谱构建的水产动物疾病诊治命名实体识别 刘巨升 1,2,3 ，杨惠宁 1,2,3 ，孙哲涛 1,2,3 ，杨 鹤 1,2,3 ，邵立铭 1,2,3 1,2,3※ 1,2,3 4 于 红 ，张思佳 ，叶仕根 （1. 大连海洋大学信息工程学院，大连 116023 ；2. 设施渔业教育部重点实验室（大连海洋大学），大连 116023 ； 3. 辽宁省海洋信息技术重点实验室，大连 116023 ；4. 大连海洋大学水产与生命学院，大连 116023 ） 摘 要：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、F 1 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。 关键词：模型；水产养殖；知识图谱；命名实体识别；嵌套实体；BERT；BiLSTM doi ：10.11975/j.issn.1002-6819.2022.07.023 中图分类号：TP391; S966 文献标志码：A 文章编号：1002-6819(2022)-07-0210-08 刘巨升，杨惠宁，孙哲涛，等. 面向知识图谱构建的水产动物疾病诊治命名实体识别[J]. 农业工程学报，2022，38(7)： 210-217. doi ：10.11975/j.issn.1002-6819.2022.07.023 Liu Jusheng, Yang Huining, Sun Zhetao, et al. Named-entity recognition for the diagnosis and treatment of aquatic animal disease