基于深度學(xué)習(xí)的農(nóng)業(yè)科技信息語義挖掘研究.pdf

1、目前農(nóng)業(yè)文獻(xiàn)中普遍存在“數(shù)據(jù)豐富而知識貧乏”現(xiàn)象，表現(xiàn)為農(nóng)業(yè)專業(yè)文獻(xiàn)數(shù)據(jù)量急劇增長，信息過載嚴(yán)重，用戶迫切需要對過載農(nóng)業(yè)信息進(jìn)行壓縮利用，挖掘其中關(guān)鍵有效的知識。而傳統(tǒng)的信息抽取技術(shù)對過載信息抽取后，易造成核心論點語義缺失、語義歧義和語義不連貫等問題，不能滿足農(nóng)業(yè)用戶日益增長的準(zhǔn)確性、相關(guān)性和完整性需求。針對這種情況，本文在研究語義挖掘相關(guān)理論和把握農(nóng)業(yè)數(shù)據(jù)應(yīng)用場景需求的基礎(chǔ)上，首先，結(jié)合深度學(xué)習(xí)方式需要海量信息訓(xùn)練超參數(shù)的特點，主要研

2、究基于深度學(xué)習(xí)的生成式自動文摘方法，目的為了提個已有海量農(nóng)業(yè)科技信息的利用率;其次，改善傳統(tǒng)的信息抽取方式，利用深度神經(jīng)網(wǎng)絡(luò)技術(shù)訓(xùn)練學(xué)習(xí)農(nóng)業(yè)科技信息特征，為農(nóng)業(yè)科技信息領(lǐng)域信息獲取與分析提供新的方法和技術(shù);最后，為提高檢索結(jié)果的精確度，節(jié)省人力標(biāo)記成本，開發(fā)農(nóng)業(yè)科技文本信息自動文摘抽取系統(tǒng)。
　　論文以農(nóng)業(yè)科技文獻(xiàn)信息為研究對象，在不需要經(jīng)過人工特征處理和具體特定的領(lǐng)域知識的情況下，為提高海量農(nóng)業(yè)科技信息的利用率，從詞嵌入角度而非

3、傳統(tǒng)的詞袋模型角度，研究基于詞嵌入自編碼網(wǎng)絡(luò)表示農(nóng)業(yè)科技文摘數(shù)據(jù)的內(nèi)部語義邏輯，可大規(guī)模對農(nóng)業(yè)科技文獻(xiàn)數(shù)據(jù)建模;同時，為解決傳統(tǒng)的信息抽取技術(shù)抽取核心論點后存在的語義問題，從基于時間遞歸神經(jīng)網(wǎng)絡(luò)RNNs的Seq2Seq結(jié)合Attention機(jī)制的研究角度開展研究，有效地獲得農(nóng)業(yè)科技信息整體序列特征，訓(xùn)練生成式自動文摘模型，探索適用的新型語義挖掘方式。
　　具體研究內(nèi)容上，論文基于深度學(xué)習(xí)在自然語言處理方面的相關(guān)技術(shù)理論，研究了農(nóng)業(yè)

4、科技信息語義挖掘理論基礎(chǔ)，開展了農(nóng)業(yè)科技文摘數(shù)據(jù)集預(yù)處理，在語義挖掘方法上主要選擇了Seq2Seq結(jié)合Attention機(jī)制，訓(xùn)練了自動文摘生成模型，并基于美國科學(xué)情報研究所的ROUGE評測指標(biāo)體系，對模型進(jìn)行了定性評價和定量評估，優(yōu)化了農(nóng)業(yè)科技信息領(lǐng)域的深度神經(jīng)網(wǎng)絡(luò)超參數(shù)。最后為了自動文摘模型成果持久化，開發(fā)了基于B/S結(jié)構(gòu)的語義挖掘自動文摘抽取系統(tǒng)原型和用戶接口界面，以適應(yīng)農(nóng)業(yè)科技的需求和應(yīng)用場景。
　　通過本文的研究，將深度