结合对抗训练和注意力机制的蔬菜种植领域命名实体识别

来源：计算机工程与应用杂志2025年第9期北京时间：

作者：胡乔, 赵春江, 吴华瑞, 缪祎晟, 郭旺

单位：1.江苏大学 农业工程学院，江苏 镇江 212013 ；2.国家农业信息化工程技术研究中心， 北京 100097；3.北京市农林科学院 信息技术研究中心， 北京 100097；4.农业农村部数字乡村技术重点实验室， 北京 100097

摘要：针对复杂语境下的蔬菜种植领域命名实体识别任务中存在实体分布不均衡、实体边界不清晰和语义关联不足等问题，提出一种基于对抗训练和多头自注意力机制的蔬菜种植领域命名实体识别模型。以番茄为研究对象，采用ALBERT（a lite BERT）提取语料动态词向量，结合对抗训练对词向量扰动生成对抗样本并集成为嵌入层输出，缓解农业数据不平衡问题；在特征提取层中通过引入多头自注意力机制对BiLSTM提取的序列特征进一步优化权重分布，更多关注边界信息，加强文本语义关联；最后采用条件随机场解码标注序列。在由8个类别和5 542条标注样本构建的语料库Veg-Tomato上进行了实验。结果表明，该模型的精确率、召回率和F1值分别达89.26%、85.77%、87.48%，较最优基线模型提高了0.69、3.56、2.21个百分点，在小样本数据上仍能表现较高的识别精度，适用于蔬菜种植领域命名实体识别任务。

关键词：蔬菜种植,命名实体识别,ALBERT,对抗训练,多头自注意力