基于改进Bi-LSTM-CRF的农业问答系统研究#br##br#

来源：中国农机化学报杂志2023年第2期北京时间：

作者：白皓然, 孙伟浩, 金宁, 马皓冉

单位：1. 青岛农业大学机电工程学院，山东青岛，266109； 2. 沈阳建筑大学研究生院，沈阳市，110168

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)

基金资助：广东省重点领域研发计划（2018B020241003）；山东省农机装备研发创新计划（2018YZ002)；国家级大学生创新创业训练计划（S202010435013、201810435050X）