不同自然语言处理方法在土壤环境污染调查报告文本信息抽取中的对比研究.pdfVIP

第37卷第3期环境科学研究Vol.37，No.3

2024年3月ResearchofEnvironmentalSciencesMar.，2024

不同自然语言处理方法在土壤环境污染调查报告

文本信息抽取中的对比研究

11,21*34344

孙维维，潘贤章，刘杰，郭观林，李衍，王娟，项钰，王睿

1.中国科学院南京土壤研究所，土壤与农业可持续发展国家重点实验室，江苏南京210008

2.中国科学院大学，北京100049

3.生态环境部土壤与农业农村生态环境监管技术中心，北京100012

4.讯飞智元信息科技有限公司，安徽合肥230088

摘要：土壤环境污染调查报告中包含着丰富的土壤环境、污染源、迁移途径和受体等信息，但是这些非结构化类型的数据很难

直接使用，需要先进行文本信息抽取，以供后续进一步分析处理.本研究针对土壤环境污染调查报告文本信息抽取的技术难点，

分别采用传统规则匹配方法、BERT模型和GPT模型的自然语言处理(NLP)方法，进行文本信息抽取，并对其抽取效果进行评

价.结果表明：GPT模型的抽取准确率、召回率和F1分数分别达到97.80%、84.43%和90.62%，相比于传统规则匹配方法分别提

高了86.70%、299.12%和200.70%，相比于BERT模型分别提高了18.10%、154.21%和91.15%.进一步分析发现，虽然GPT模型

在文本要素信息抽取中具有一定优势，但是规则匹配方法简单易用且部分要素抽取效率较高；同时，通过增加训练样本量及优

化标注和模型参数等手段，BERT模型有较大的提升空间，因此，针对土壤环境污染调查报告中不同文本要素标签，可以采用合

适的NLP方法，以兼顾文本信息抽取效率与精度.

关键词：文本要素抽取；BERT模型；GPT模型；污染地块；土壤环境污染调查报告

中图分类号：X323文章编号：1001-6929（2024）03-0607-09

文献标志码：ADOI：10.13198/j.issn.1001-6929.2023.12.24

ComparativeStudyofDifferentNaturalLanguageProcessingMethodsinthe

InformationExtractionfromSoilEnvironmentInvestigationReports

11,21*3434

SUNWeiwei，PANXianzhang，LIUJie，GUOGuanlin，LIYan，WANGJuan，XIANGYu，

WANGRui4

1.StateKeyLaboratoryofSoilandSustainableAgriculture,InstituteofSoilScience,ChineseAcademyofSciences,Nanjing210008,

China

2.UniversityofChineseAcademyofSciences,Beijing100049,China

3.TechnicalCentreforEcologyandEnvironmentofSoil,AgricultureandruralAreas,MinistryofEcologyandEnvironment,Beijing

1000