申请/专利权人：安徽农业大学

申请日：2024-01-22

公开（公告）日：2024-04-16

公开（公告）号：CN117892731A

主分类号：G06F40/295

分类号：G06F40/295;G06F16/35;G06N3/0442;G06N3/0455;G06N3/047;G06N3/094;G06N3/048

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于多智能体通信的玉米病虫害领域命名实体识别方法，包括以下步骤：步骤1、获取玉米病虫害及相关基因的文本数据；步骤2、对文本数据进行实体标注得到标注文本数据，并划分为训练集、测试集和验证集，步骤3、构建包括ERNIE层、BiLSTM层、初始边界标记块、多智能体通信层、边界标记模块层、CRF层的实体识别模型；步骤4、采用训练集配合测试集、验证集对实体识别模型进行训练得到玉米病虫害领域命名实体识别模型；步骤5、将待识别的玉米病虫害领域命名实体输入至玉米病虫害领域命名实体识别模型。本发明能够从相应的玉米病虫害领域数据集中识别相关的玉米病虫害领域实体边界和类别。

主权项：1.基于多智能体通信的玉米病虫害领域命名实体识别方法，其特征在于，包括以下步骤：步骤1、获取玉米病虫害及相关基因的文本数据，并对文本数据进行预处理；步骤2、采用BIOES实体标注法对步骤1进行预处理后的文本数据进行实体标注，得到标注文本数据，并将标注文本数据划分为训练集、测试集和验证集，步骤3、生成实体识别模型，所述实体识别模型包括ERNIE层、BiLSTM层、初始边界标记块、多智能体通信层、边界标记模块层、CRF层；文本数据首先输入至所述ERNIE层，由ERNIE层将输入的文本数据向量化并输出含有上下文信息的嵌入字符向量；所述ERNIE层输出的嵌入字符向量输入至BiLSTM层，由BiLSTM层得到BiLSTM层中隐藏层状态，即为类型特征向量和边界特征向量，进而根据类型特征向量得到各个字符的类型特征、根据边界特征向量得到各个字符的边界特征；所述BiLSTM层得到的每个字符的边界特征作为初始边界标记块的输入，所述初始边界标记块基于每个字符的边界特征得到用于初步指示每个字符边界特征的初始边界标签；所述多智能体通信层包括类型标记块、边界标记块，其中类型标记块、边界标记块相互迭代通信至设定的迭代次数，所述类型标记块以初始边界标记块得到每个字符的初始边界标签、BiLSTM层得到的各个字符的类型特征和边界特征、边界标记块的输出作为输入，所述边界标记块以类型标记块的输出、BiLSTM层得到的各个字符的类型特征和边界特征作为输入；第一次迭代时，由类型标记块采用注意力机制匹配和聚合所述类型特征和对应有初始边界标签的边界特征，以得到每个字符的边界信息，再由类型标记块基于每个字符的边界信息和类型特征来预测用于指示每个字符类型特征的类型标签；接着类型标记块将得到的类型标签送入所述边界标记块，由边界标记块采用注意力机制匹配和聚合所述边界特征和对应有类型标签的类型特征，以得到每个字符的类型信息，再由边界标记块基于每个字符的类型信息和边界特征来预测用于指示每个字符边界特征的边界标签，最后由边界标记块将得到的边界标签送入至所述类型标记块；后续每次迭代时，边界标记块输出作为类型标记块的输入并由所述类型标记块预测得到每个字符的类型标签，类型标记块的输出作为边界标记块的输入并由所述边界标记块预测得到每个字符的边界标签，通过多次迭代通信直至达到设定迭代次数时，得到包含每个字符类型标签和边界标签的预测实体标签序列；所述CRF层以多智能体通信输出的预测实体标签序列作为输入，由CRF层通过学习预测实体标签序列中相邻标签之间相关性以获得最优标签序列；步骤4、采用步骤2得到的训练集对所述实体识别模型进行训练，训练时采用测试集测试实体识别模型的准确度并调整实体识别模型的参数，并利用验证集对训练好的实体识别模型进行验证，由此得到玉米病虫害领域命名实体识别模型；步骤5、将待识别的玉米病虫害领域命名实体输入至步骤4得到的玉米病虫害领域命名实体识别模型，由玉米病虫害领域命名实体识别模型识别出相应的玉米病虫害领域命名实体。

全文数据：

权利要求：

百度查询： 安徽农业大学 基于多智能体通信的玉米病虫害领域命名实体识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD