0　引言

近年來，隨著大數(shù)據(jù)技術(shù)的發(fā)展，各個(gè)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?yàn)槔r(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(shí)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(yùn)含著大量的專業(yè)農(nóng)業(yè)知識(shí)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(shí)體識(shí)別的任務(wù)是從非結(jié)構(gòu)化的文本中識(shí)別與農(nóng)業(yè)領(lǐng)域相關(guān)的實(shí)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(shí)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(duì)命名實(shí)體識(shí)別任務(wù)的主要方法為，基于規(guī)則和字典匹配、基于機(jī)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(shí)現(xiàn)了無需復(fù)雜的特征工程和豐富的領(lǐng)域知識(shí)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(shí)體識(shí)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(shí)體存在著領(lǐng)域特殊性、實(shí)體命名方式繁多、實(shí)體邊界模糊、特征提取不充分、實(shí)體邊界標(biāo)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(shí)別農(nóng)業(yè)文本中實(shí)體的成本和難度。

為了解決上述問題，并促進(jìn)基于農(nóng)業(yè)文本命名實(shí)體識(shí)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(shí)體標(biāo)注準(zhǔn)則，并以此建立農(nóng)業(yè)實(shí)體標(biāo)注語料庫。為農(nóng)業(yè)領(lǐng)域相關(guān)從業(yè)人員提供實(shí)體標(biāo)注準(zhǔn)則，便于其開展農(nóng)業(yè)文本研究，例如知識(shí)圖譜構(gòu)建及問答等相關(guān)工作。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.rjjo.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(tuán)有限公司第六研究所，北京 100083）