改进了用于中国命名实体识别食用真菌的XLNet建模
Helong Yu1, Chenxi Wang1, Mingxuan Xue1
1College of Information Technology, Jilin Agricultural University, Changchun, China.
Frontiers in plant science
|July 10, 2024
概括
为食用真菌信息开发了一个新的命名实体识别 (NER) 模型. 该系统实现了高精度,改善了食用真菌研究和知识图表的构建.
科学领域:
- 菌类学 菌类学是指菌类学.
- 计算语言学 计算语言学
- 生物信息学是一种生物信息学.
背景情况:
- 由于物种多样性和有限的真菌学知识,食用真菌研究面临着挑战.
- 智能问答系统可以满足信息获取需求.
- 命名实体识别 (NER) 对于构建食用真菌问答系统至关重要,但缺乏合适的中国公司,并与远距离依赖性作斗争.
研究的目的:
- 为了建立一个可食用真菌NER.的中国群体.
- 开发一种先进的NER方法来提取食用真菌信息.
- 提高食用真菌知识获取的准确性和效率.
主要方法:
- 专门为食用真菌领域建立了一个新的中文语料库.
- 开发了一个NER模型,集成XLNet,代扩展卷积神经网络 (IDCNN) 和条件随机场 (CRF).
- 利用IDCNN来增强跨语句的功能捕获和CRF用于全球标签优化.
主要成果:
- 拟议的NER模型实现了0.971的精度,0.986的回忆,和0.979.97的F1得分.
- 与现有方法相比,该模型表现出优越的性能.
- 成功识别了食用真菌信息中的关键实体.
结论:
- 开发的NER模型有效提取食用真菌实体,解决了以前方法的局限性.
- 这种方法为构建食用真菌知识图提供了方法支持.
- 已建立的群体和模型在真菌学中推进了智能信息系统.
