传统的基于条件随机场（CRF）的信息抽取方法在进行涉农商品名称抽取与类别标注时，需要大量的训练语料，标注工作量大，且抽取精度不高。为解决该问题，提出了一种基于农业本体与CRF相结合的涉农商品名称抽取与类别标注方法，将涉农商品名称的自动抽取与分类看作序列标注的任务。首先是原始数据的分词处理和词、词性、地理属性、本体概念特征选择；然后，采用改进的拟牛顿算法训练CRF模型参数，用维特比算法实现解码，共完成4组对比实验，识别出7种类别，并将CRF和隐马尔可夫模型（HMM）、最大熵马尔可夫模型（MEMM）通过实验进行比较；最后，将CRF应用于农产品供求趋势分析。结合合适的特征模板，本体概念的加入使CRF开放测试的总体准确率提高10.20%，召回率提高59.78%， F值提高37.17%，证明了本体与CRF结合方法在涉农商品名称和类别抽取中的可行性和有效性，可以促进农产品供求对接。