文献类型：期刊文章

作　　者：吴赛赛[1] 周爱莲[1] 谢能付[1] 梁晓贺[1] 汪汇涓[1] 李小雨[1] 陈桂鹏[2]

Wu Saisai;Zhou Ailian;Xie Nengfu;Liang Xiaohe;Wang Huijuan;Li Xiaoyu;Chen Guipeng(Agricultural Information Institute,Chinese Academy of Agricultural Sciences,Beijing 100086,China;Institute of Agricultural Economics&Information,Jiangxi Academy of Agricultural Sciences,Nanchang 330200,China)

机构地区：[1]中国农业科学院农业信息研究所,北京100086 [2]江西省农业科学院农业经济与信息研究所,南昌330200

出　　处：《农业工程学报》

基　　金：国家自然科学基金面上项目(31671588);国家社科基金青年项目(20CTQ019);江西现代农业科研协同创新专项(JXXTCX201801-03);中国农业科学院农业信息研究所创新工程项目(CAAS-ASTIP-2016-AII)。

年　　份：2020

卷　　号：36

期　　号：24

起止页码：177-185

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对作物病虫害领域存在实体关系交叉关联、多源异构数据聚合能力差、知识共享困难等问题,利用知识图谱以结构化的形式描述实体间复杂关系的优势,该研究提出了一种基于深度学习的作物病虫害知识图谱构建方法。该方法在领域本体的基础上,以一种与领域语料相适应的新标注模式实现实体和关系的联合抽取。将实体和关系抽取任务转化为序列标注问题,对实体和关系进行同步标注,有效提高标注效率;为了解决重叠关系抽取问题,直接对三元组建模而不是分别对实体和关系建模,通过标签匹配和映射即可获得三元组数据。利用来自转换器的双向编码器表征量(Bidirectional Encoder Representations from Transformers,BERT)-双向长短期记忆网络(Bi-directional Long-Short Term Memory,BiLSTM)+条件随机场(Conditional Random Field,CRF)端到端模型进行试验,结果表明效果优于基于普通标注方式的流水线方法和联合学习方法中的卷积神经网络(ConvolutionalNeuralNetworks,CNN)+BiLSTM+CRF、BiLSTM+CRF等经典模型,F1得分为91.34%。最后,将抽取到的知识存储到Neo4j图数据库中,直观地反映知识图谱的内部结构,实现知识可视化和知识推理。该研究构建的知识图谱可为作物病虫害智能问答系统、推荐系统、智能搜索等下游应用提供高质量的知识库基础。

关 键 词：作物 病虫害 模型  知识图谱 深度学习  实体关系联合抽取  

分 类 号：TP391]