农业大灾风险语料库

农业大灾风险语料库，主要面向农业气象灾害领域的因果关系抽取、领域语言模型预训练及灾害链语义分析等研究需求建设。该数据集来源于2018至2024年间公开发布于中国知网、万方等权威学术数据库的16,023篇期刊论文，涵盖小麦、水稻、玉米等主要作物及干旱、洪涝、台风等十类气象灾害。通过PDF解析、文本清洗、规则断句及基于作物与灾害词典的有效性过滤等自动化预处理流程，从原始文献中提取出结构清晰、语义完整的有效句子。数据集以纯文本格式存储，总计包含527,474条高质量中文句子，每条句子均保留了原始农业灾害风险相关的因果逻辑表达。该数据集填补了中文农业气象领域缺乏规模化、可计算句子级语料的空白，可为农业风险事理图谱构建、领域自然语言处理模型的自适应预训练与微调，以及灾害因果推理任务提供关键的底层数据支撑。