通过融合多语义特征,通过基于自我注意的深度学习,对乳牛疾病进行中文命名实体识别
Yongjun Lou1, Meng Gao1, Shuo Zhang1
1College of Electrical Engineering and Information, Northeast Agricultural University, Harbin 150030, China.
Animals : an open access journal from MDPI
|March 28, 2025
概括
本研究引入了针对中国奶牛疾病的先进命名实体识别 (NER) 模型. 该模型实现了高精度,改善了疾病诊断和知识图的构建.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 计算语言学 计算语言学
- 人工智能的人工智能
背景情况:
- 准确诊断乳牛疾病对于群体健康和生产力至关重要.
- 中国缺乏专门的兽医导致误诊和错误诊断.
- 高质量的知识图对于辅助诊断系统至关重要.
研究的目的:
- 开发一种有效的命名实体识别 (NER) 模型,用于中国奶牛病体.
- 提高自动化疾病诊断系统的准确性.
- 加强用于兽医应用的可靠知识图的构建.
主要方法:
- 提出了一个整体的中文NER模型,整合了字符, pinyin, glyph 和词汇特征.
- 使用双向长期短期记忆 (Bi-LSTM) 网络与多头自我注意机制.
- 采用条件随机场 (CRF) 模型来生成最佳标签序列.
主要成果:
- 拟议的模型在乳牛病体上获得了92.18%的显著F1得分.
- 与基线和现有相关工作相比,表现出优异的性能.
- 有效地捕获了长距离的依赖关系,并专注于关键特征.
结论:
- 开发的整体NER模型非常适合和有效地识别中国奶牛疾病文本中的实体.
- 这一进步支持在兽医中更好的辅助诊断和知识图构建.
- 该模型解决了中国奶牛病体的特定特征所带来的挑战.
