基于改进Bi-LSTM-CRF的农业问答系统研究

摘要：

针对农业领域问答系统面临的实体识别困难的问题,提出一种基于改进Bi-LSTM—CRF的实体识别方法.首先通过BERT预训练模型的预处理,生成基于上下文信息的词向量,然后将训练出的词向量输入Bi-LSTM-CRF做进一步的训练处理,最后,利用Python的Django框架设计农业领域的实体识别、实体查询、农知问答等子系统.经过试验对比,所提出的改进的Bi-LSTM-CRF在农业信息领域具有更好的实体识别能力,在农业信息语料库上的精确率、召回率和F1值分别为93.23％、91.08％和92.16％.实现农业领域实体识别和农业信息问答的知识图谱网站演示,对农业信息化的发展具有重要意义.

关键词：智能问答系统、知识图谱、双向长短期记忆模型(Bi-LSTM)、条件随机场(CRF)

所属期刊栏目：44

分类号：S24(农业电气化与自动化)

资助基金：广东省重点领域研发计划;山东省农机装备研发创新计划;国家级大学生创新创业训练计划项目;国家级大学生创新创业训练计划项目

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：99-105