刘合兵，张德梦，熊蜀峰，马新明，席 磊+

1.河南农业大学 信息与管理科学学院，郑州450046

2.农田监测与控制河南省工程实验室，郑州450002

小麦是全球最重要的粮食作物之一。在小麦种植过程中，会出现各种各样的病虫害，病虫害的发生将直接影响小麦的产量和品质。小麦病虫害防治的相关信息存在于海量非结构化的专业书籍和文献中，人们无法快速获取到准确的病虫害防治信息，无法进行精准预防。构建小麦病虫害领域知识图谱，以结构化的形式表述病虫害和防治药剂数据，可以帮助人们高效准确地定位到有价值的信息，对小麦病虫害的精准防治具有重要意义。小麦病虫害命名实体识别是构建小麦病虫害领域知识图谱的关键步骤，旨在从这些非结构化数据中识别和分类出相关命名实体，识别结果的好坏直接决定知识图谱的质量[1-2]。

近年来，命名实体识别（named entity recognition，NER）已广泛应用于垂直领域，并且随着深度学习的发展，基于深度学习的方法成为中文命名实体识别的主流模型。刘新亮等[3]提出BERT（bidirectional encoder representation from transformer）与CRF（conditional random field）相结合的模型，实现了生鲜蛋供应链领域的命名实体识别，准确率达到91.82%。羊艳玲等[4]将BiLSTM（bi-directional long short-term memory）与CRF 结合实现了中医案例领域的命名实体识别。许力等[5]提出基于BERT-BiLSTM-CRF（bidirectional encoder representation from transformer+bidirectional long short-term memory+conditional random field）模型，进行生物医学领域的命名实体识别，有效地解决了静态词向量表征语义识别准确率不高的问题。沈同平等[6]提出基于BERT-BiLSTM-CRF 模型，在MSRA和人民日报语料库均取得优异结果。上述模型在其领域训练语料充足的情况下均达到了很好的识别效果，但无法直接用于语料匮乏的小麦病虫害领域。……