| 基于ALBERT模型的园林植物知识实体与关系抽取方法 |
| |
| 引用本文： | 陈晓玲,唐丽玉,胡颖,江锋,彭巍,冯先超.基于ALBERT模型的园林植物知识实体与关系抽取方法[J].地球信息科学,2021,23(7):1208-1220. |
| |
| 作者姓名： | 陈晓玲 唐丽玉 胡颖 江锋 彭巍 冯先超 |
| |
| 作者单位： | 1.福州大学空间数据挖掘与信息共享教育部重点实验室,福州 3501082.福州大学地理空间信息技术国家地方联合工程研究中心,福州 350108 |
| |
| 基金项目： | 国家自然科学基金项目(41971344) |
| |
| 摘 要： | 园林植物知识图谱可为顾及区域适应性、观赏性和生态性等因子的绿化树种的选型提供知识支持。植物描述文本的实体识别及关系抽取是知识图谱构建的关键环节。针对植物领域未有公开的标注数据集,本文阐述了园林植物数据集的构建流程,定义了园林植物的概念体系结构,完成了园林植物语料库的构建。针对现有Word2vec、ELMo和BERT等语言模型存在无法解决多义词、融合上下文能力差、运行速度慢等缺点,提出了嵌入ALBERT（A Lite BERT）预训练语言模型的实体识别和关系抽取模型。ALBERT预训练的动态词向量能够有效地表示文本特征,将其分别输入到BiGRU-CRF命名实体识别模型和BiGRU-Attention关系抽取模型中进行训练,进一步提升实体识别和关系抽取的效果。在园林植物语料库上进行方法的有效性验证,结果表明ALBERT-BiGRU-CRF命名实体识别模型的F1值为0.9517,ALBERT-BiGRU-Attention关系抽取模型的F1值为0.9161,相较于经典的语言模型（如Word2vec、ELMo和BERT等）性能有较为显著的提升。因此基于ALBERT模型的实体与关系抽取任务能有效提高识别分类效果,可将其应用于植物描述文本的实体关系抽取任务中,为园林植物知识图谱自动构建提供方法。
|
| 关 键 词： | 知识图谱 信息抽取 语料库 园林植物 ALBERT 词向量 实体识别 关系抽取 |
| 收稿时间： | 2020-09-29 |
Extracting Entity and Relation of Landscape Plant's Knowledge based on ALBERT Model |
| |
| CHEN Xiaoling,TANG Liyu,HU Ying,JIANG Feng,PENG Wei,FENG Xianchao.Extracting Entity and Relation of Landscape Plant's Knowledge based on ALBERT Model[J].Geo-information Science,2021,23(7):1208-1220. |
| |
| Authors: | CHEN Xiaoling TANG Liyu HU Ying JIANG Feng PENG Wei FENG Xianchao |
| |
| Institution: | 1. Key Laboratory of Spatial Data Mining & Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350108, China2. National Engineering Research Center of Geospatial Information Technology, Fuzhou University, Fuzhou 350108, China |
| |
| Abstract: | |
| |
| Keywords: | knowledge graph information extraction landscape plant corpus landscape plant ALBERT word vectors entity recognition relation extraction |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《地球信息科学》浏览原始摘要信息 |
| 点击此处可从《地球信息科学》下载免费的PDF全文 |
|
