农业工程学报

作者：付振,孙伟,曹姗姗,孔繁涛,

关键词：牛, 健康养殖, LERT模型, 多特征融合, 命名实体识别

基金：42

为了解决牛只健康养殖领域中文语料匮乏及命名实体识别难题，该研究构建了包含17种实体类别且涵盖舍内环境、疫病防控、饲料饮水等多个维度的中文命名实体识别语料库CHNERC，提出了一种基于LERT多特征融合的牛只健康养殖命名实体识别模型L-BISC。在向量表示层，使用LERT作为预训练语言模型，在提升中文语义处理效果的同时，可有效捕捉长文本中的上下文信息；在特征抽取层，采用双向长短期记忆网络（bidirectional long short-term memory，BiLSTM）与空洞卷积神经网络（iterated dilated convolutional neural network，IDCNN）联合抽取特征，增强序列表示能力，进一步融合长距离依赖与局部特征；在特征融合层，引入缩放点积多头注意力机制（scaled dot-product multi-head attention，SDPMHA），加强模型对长距离依赖的建模能力，提升实体边界识别与类别判别的准确性；在解码阶段，通过条件随机场（conditional random field，CRF）对标签序列进行全局优化，保证输出结果的结构合理性。结果表明，L-BISC模型在牛只健康养殖语料库上准确率达到90.45%，召回率为90.76%，italic>F/italic>1值达到90.57%，优于主流的BERT、RoBERTa等模型；17种类别实体识别的准确率均超过80%，L-BISC模型能够有效利用文本语义和时序特征；BiLSTM+IDCNN+SDPMHA的多模型特征抽取方式，对L-BISC模型的性能和特征融合能力起到积极作用。该研究丰富了牛只健康养殖领域中文命名实体识别语料库，为牛只健康养殖NER提供了高精度的方法，可为相关领域的自然语言处理任务提供方法借鉴与参考。/

来源：2026年第4期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第4期