融合动态词典特征和CBAM的苹果病虫害命名实体识别方法

作     者：蒲攀 刘勇 张越 王飞逸 苗园爽 谦博 黄铝文 

作者机构：西北农林科技大学信息工程学院 农业农村部农业物联网重点实验室 陕西省农业信息智能感知与分析工程技术研究中心 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2024年

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 09[农学] 0904[农学-植物保护] 0835[工学-软件工程] 090401[农学-植物病理学] 090402[农学-农业昆虫与害虫防治] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：陕西省重点研发计划项目(2023-YBNY-219) 

主　　题：苹果病虫害 命名实体识别 动态嵌入 词典 CBAM 

摘      要：在苹果病虫害命名实体识别中，针对罕见字语义特征提取不充分，实体类别相似难以区分的问题，本文提出一种融合动态词典和卷积块注意力模块(Convolutional block attention module， CBAM)的实体识别方法。首先，基于字的双向长短时记忆-条件随机场模型(Bidirectional long short-term memory-conditional random field， BiLSTM-CRF)，在嵌入层利用通道注意力网络(Channel attention module， CAM)动态融合词典信息，同步集成字的四角号码信息，以提高对罕见字的表征能力。随后，对序列编码层输出序列特征，基于空间注意网络(Spatial attention module， SAM)，新增并行连接的空间注意力(Parallel connection spatial attention， PCSA)模块，提高模型对上下文信息提取能力。最后，使用含有6大类标签、127574个标注字符的苹果病虫害数据集对本模型进行验证测试。结果显示模型的精确率、召回率和F1值分别达到95.76%、92.46%、94.08%，较现有的常用同类模型性能显著提升，实现了对农业病虫害命名实体的精准识别。