基于BSTR-GPRel的本草典籍实体关系联合抽取研究
来源：图书情报工作杂志2026年第6期北京时间：
作者：沈旺,孙珂,马若林,李欣,边伟
单位：吉林大学商学与管理学院 长春 130012
摘要：[目的/意义] 推动本草典籍的知识结构化与智能化应用，支持中医药文化遗产的数字化传承。[方法/过程] 提出融合预训练语言模型与全局指针机制的联合抽取框架BSTR-GPRel，通过多层架构实现古籍实体关系的统一建模。在输入表征层，集成BERT子词向量与词嵌入特征，解析中医复合术语的语义边界；语义编码层依托BERT-Transformer捕捉长距离依赖，并引入对抗训练模块增强对古籍文本噪声的适应性；核心的实体关系联合抽取层采用三级全局指针机制保障“主体—关系—客体”三元组的结构完整性；通过多任务联合优化策略，动态平衡实体识别、关系头尾预测的损失权重，重点解决中医古籍中普遍存在的实体关系重叠问题。[结果/结论] 在《汤液本草》《神农本草经》《滇南本草》三部本草典籍语料上进行实验，结果显示BSTR-GPRel在精确率、召回率和F1值方面均优于对比模型，F1值达到0.785 4，能够有效应对关系重叠等复杂语义场景，为构建高质量本草知识图谱提供可靠技术支撑，助力中医药智能信息服务系统落地。
关键词：本草典籍,多任务学习,联合抽取,预训练模型,
基金资助：本文系国家社会科学基金冷门绝学研究专项学术团队研究项目“本草典籍整理、知识组织与智慧化建设研究”（项目编号：23VJXT024）研究成果之一。
