南美白对虾养殖领域中文命名实体识别数据集构建.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（9）353

南美白对虾养殖领域中文命名实体识别数据集构建

彭小红，邓峰，余应淮+

广东海洋大学数学与计算机学院，广东湛江524088

+通信作者E-mail：yuyinghuai@126.com

摘要：该研究致力于构建一个高质量的数据集，用于南美白对虾养殖领域的命名实体识别（namedentityrecogni-

tion，NER）任务，命名为VamNER。为确保数据集的多样性，从CNKI数据库中收集了近10年的高质量论文，并结合

权威书籍进行语料构建。邀请专家讨论实体类型，并经过专业培训的标注人员使用IOB2标注格式进行标注，标注

过程分为预标注和正式标注两个阶段以提高效率。在预标注阶段，标注者间一致性（inter-annotationagreement，

IAA）达到0.87，表明标注人员的一致性较高。最终，VamNER包含6115个句子，总字符数达384602，涵盖10个实体

类型，共有12814个实体。研究通过与多个通用领域数据集和一个特定领域数据集进行比较，揭示了VamNER的独

特特性。在实验中使用了预训练的基于变换器的双向编码器表示（bidirectionalencoderrepresentationsfromTrans-

formers，BERT）模型、双向长短期记忆神经网络（bidirectionallongshort-termmemorynetwork，BiLSTM）和条件随

机场模型（conditionalrandomfields，CRF），最优模型在测试集上的F1值达到82.8%。VamNER成为首个专注于南

美白对虾养殖领域的NER数据集，为中文特定领域NER研究提供了丰富资源，有望推动水产养殖领域NER研究的

发展。

关键词：命名实体识别；VamNER数据集；标注者间一致性（IAA）；基于变换器的双向编码器表示（BERT）；双向长短

期记忆神经网络（BiLSTM）；条件随机场（CRF）

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2312-0157

ConstructionofChineseNamedEntityRecognitionDatasetinPenaeusVannameiFarmingField

PENGXiaohong,DENGFeng,YUYinghuai+

CollegeofMathematicsandComputer,GuangdongOceanUniversity,Zhanjiang,Guangdong524088,China

Abstract:Thisresearchisdedicatedtoconstructingahigh-qualitydatasetforthenamedentityrecognition(NER)taskin

thefieldofpenaeusvannameifarming,namedVamNER.Inordertoensurethediversityofthedataset,high-quality

papersinthepast10yearshavecollectedfromtheCNKIdatabaseandcombinedwithauthoritativebooksforcorpuscon-

struction.Expertsareinvitedtodiscussentitytypes,andprofessionallytrainedannotatorsusetheIOB2annotationformat

toannotate.Theannotationprocessisdividedintotwostages:pre-annotation