《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計應(yīng)用 > 面向農(nóng)業(yè)知識圖譜構(gòu)建的文本實體標注準則構(gòu)建及應(yīng)用
面向農(nóng)業(yè)知識圖譜構(gòu)建的文本實體標注準則構(gòu)建及應(yīng)用
2023年電子技術(shù)應(yīng)用第5期
陳曉晉1，唐球2，王耀君1
（1.中國農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，北京 100083；2.中國電子信息產(chǎn)業(yè)集團有限公司第六研究所，北京 100083）
摘要： 隨著農(nóng)業(yè)大數(shù)據(jù)及智慧農(nóng)業(yè)的發(fā)展，面對海量的農(nóng)業(yè)文本數(shù)據(jù)，構(gòu)建知識圖譜等自然語言處理應(yīng)用需求逐漸增長。目前，在農(nóng)業(yè)領(lǐng)域的實體語料庫及實體標注體系仍處于空白狀態(tài)。對農(nóng)業(yè)文本進行處理時，面臨如何定義實體類別及范圍等問題?；诖藛栴}，以農(nóng)業(yè)科學(xué)敘詞表為科學(xué)依據(jù)，提出面向農(nóng)業(yè)知識圖譜構(gòu)建的農(nóng)業(yè)文本數(shù)據(jù)實體標注準則，涵蓋了農(nóng)作物、病蟲草害等多種農(nóng)業(yè)實體，以及基于該準則設(shè)置標注原則構(gòu)建基于農(nóng)業(yè)文本的自注釋語料庫，并進行實驗驗證，證明了該準則的有效性。該準則為農(nóng)業(yè)實體語料庫的構(gòu)建提供可參考的標注規(guī)范，以及為農(nóng)業(yè)實體識別提供語料支持。
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(nóng)業(yè)知識圖譜構(gòu)建的文本實體標注準則構(gòu)建及應(yīng)用[J]. 電子技術(shù)應(yīng)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(shù)據(jù)技術(shù)的發(fā)展，各個領(lǐng)域的數(shù)值、圖像、文本、語音視頻等多源大數(shù)據(jù)增長迅速。以農(nóng)業(yè)領(lǐng)域為例，農(nóng)業(yè)新聞、農(nóng)資信息、農(nóng)業(yè)政策法規(guī)等與農(nóng)業(yè)生產(chǎn)生活息息相關(guān)的信息通過互聯(lián)網(wǎng)發(fā)布和傳播，構(gòu)成了農(nóng)業(yè)文本大數(shù)據(jù)的主要組成部分。農(nóng)業(yè)從業(yè)者及研究者主要通過網(wǎng)絡(luò)中的文本信息來獲取農(nóng)業(yè)資訊，有效分析文本數(shù)據(jù)不僅可以幫助農(nóng)業(yè)從業(yè)者了解最新的實踐和趨勢，還可以為農(nóng)業(yè)從業(yè)者、專家在農(nóng)業(yè)任務(wù)管理中做出決策提供支持。農(nóng)業(yè)資訊中蘊含著大量的專業(yè)農(nóng)業(yè)知識及豐富的農(nóng)業(yè)信息，且主要以非結(jié)構(gòu)化的形式存在。農(nóng)業(yè)領(lǐng)域的命名實體識別的任務(wù)是從非結(jié)構(gòu)化的文本中識別與農(nóng)業(yè)領(lǐng)域相關(guān)的實體，例如作物名稱、病蟲害、農(nóng)藥、肥料等，是作為農(nóng)業(yè)知識圖譜構(gòu)建和問答等下游任務(wù)不可或缺的基本組成部分。

針對命名實體識別任務(wù)的主要方法為，基于規(guī)則和字典匹配、基于機器學(xué)習(xí)的方法以及兩者混合的方法。但存在不足，無法滿足復(fù)雜文本需求，仍有局限性。

近年來隨著深度學(xué)習(xí)的快速發(fā)展，其實現(xiàn)了無需復(fù)雜的特征工程和豐富的領(lǐng)域知識就可以學(xué)習(xí)復(fù)雜的隱藏表示。目前，基于深度學(xué)習(xí)的模型已被廣泛應(yīng)用于完成命名實體識別任務(wù)，并已廣泛應(yīng)用于醫(yī)學(xué)、金融等領(lǐng)域，但是目前，在農(nóng)業(yè)領(lǐng)域仍存在挑戰(zhàn)。

農(nóng)業(yè)文本實體存在著領(lǐng)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(shù)據(jù)庫不足等問題。這在一定程度上增加了識別農(nóng)業(yè)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(nóng)業(yè)文本命名實體識別任務(wù)及其后續(xù)應(yīng)用的完成，本文將構(gòu)建農(nóng)業(yè)文本數(shù)據(jù)實體標注準則，并以此建立農(nóng)業(yè)實體標注語料庫。為農(nóng)業(yè)領(lǐng)域相關(guān)從業(yè)人員提供實體標注準則，便于其開展農(nóng)業(yè)文本研究，例如知識圖譜構(gòu)建及問答等相關(guān)工作。



本文詳細內(nèi)容請下載：http://ihrv.cn/resource/share/2000005299




作者信息：

陳曉晉1，唐球2，王耀君1

（1.中國農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，北京  100083；2.中國電子信息產(chǎn)業(yè)集團有限公司第六研究所，北京 100083）


微信圖片_20210517164139.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。