杨 鹤，于 红，孙哲涛，刘巨升，杨惠宁，张思佳，孙 华，姜 鑫，于英囡

（1.大连海洋大学信息工程学院，大连 116023；2.设施渔业教育部重点实验室，大连 116023；3.辽宁省海洋信息技术重点实验室，大连 116023）

0 引 言

数字渔业是中国乡村振兴战略的重要组成部分，也是数字中国的重要内容。渔业现代化和渔业标准化是数字渔业发展的重要方向[1]，渔业现代化需要智能养殖技术服务[2]做支撑，渔业标准化需要以精准的标准服务为依托。知识图谱对解决领域问题有重要作用[3]，张善文等[4]提出一种基于知识图谱和 BiLSTM模型结合的小麦锈病预测方法，提高了病害预测的精度，为小麦条锈病的预报预警和综合防治提供科学依据。奥德玛等[5]利用自然语言处理和文本挖掘技术，构建了中文医学知识图谱CMeKG，为智慧医疗提供专业知识基础。渔业标准知识图谱是表示渔业标准文本中实体之间关系的语义网络系统，是精准描述养殖技术和标准信息的重要载体，可以为渔业生产技术人员提供高质量知识，是实现智能养殖技术服务和标准精准服务的基础。关系抽取是构建知识图谱的关键技术，有效的关系抽取技术可以提升构建知识图谱的质量和效率，进而推动渔业现代化的进程，助力乡村振兴。

渔业标准命名实体识别和渔业标准实体关系抽取是构建渔业标准知识图谱的基础工作。程名等[6]提出了融合注意力机制和BiLSTM+CRF的渔业标准命名实体识别，取得较好的结果，但没有解决部分实体样本分布稀疏，导致识别效果不好的问题。……