基于Attention＿DenseCNN的水稻问答系统问句分类

被引：26

作者：

王郝日钦 ^{[1
,2
]}

吴华瑞 ^{[3
,4
]}

冯帅 ^{[1
]}

刘志超 ^{[1
]}

许童羽 ^{[1
]}

机构：

[1] 沈阳农业大学信息与电气工程学院

[2] 内蒙古民族大学计算机科学与技术学院

[3] 国家农业信息化工程技术研究中心

[4] 北京农业信息技术研究中心

来源：

农业机械学报 | 2021年 / 52卷 / 07期

基金：

国家重点研发计划;

关键词：

水稻问句分类; 自然语言处理; 密集连接卷积神经网络; 注意力机制;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

为了解决"中国农技推广APP"问答社区中水稻提问数据快速自动分类的问题,提出一种基于Attention DenseCNN的水稻文本分类方法。根据水稻文本具备的特征,采用Word2vec方法对文本数据进行处理与分析,并结合农业分词词典对文本数据进行向量化处理,采用Word2vec方法能够有效地解决文本的高维性和稀疏性问题。对卷积神经网络(CNN)上下游卷积块之间建立一条稠密的链接,并结合注意力机制(Attention),使文本中的关键词特征得以充分体现,使文本分类模型具有更好的文本特征提取精度,从而提高了分类精确率。试验表明:基于Attention-DenseCNN的水稻问句分类模型可以提高文本特征的利用率、减少特征丢失,能够快速、准确地对水稻问句文本进行自动分类,其分类精确率及F1值分别为95.6%和94.9%,与其他7种神经网络问句分类方法相比,分类效果明显提升。

引用

页码：237 / 243

页数：7

共 14 条

[1]

Automated Text Analysis Based on Skip-Gram Model for Food Evaluation in Predicting Consumer Acceptance [J].

Kim, Augustine Yongwhi ;

Ha, Jin Gwan ;

Choi, Hoduk ;

Moon, Hyeonjoon .

COMPUTATIONAL INTELLIGENCE AND NEUROSCIENCE, 2018, 2018

[2]

Combining supervised term-weighting metrics for SVM text classification with extended term representation [J].

Haddoud, Mounia ;

Mokhtari, Aicha ;

Lecroq, Thierry ;

Abdeddaim, Said .

KNOWLEDGE AND INFORMATION SYSTEMS, 2016, 49 (03) :909-931

[3]

Text-Attentional Convolutional Neural Network for Scene Text Detection [J].

He, Tong ;

Huang, Weilin ;

Qiao, Yu ;

Yao, Jian .

IEEE TRANSACTIONS ON IMAGE PROCESSING, 2016, 25 (06) :2529-2541

[4]

Context-aware semantic classification of search queries for browsing community question–answering archives.[J].Alejandro Figueroa;Günter Neumann.Knowledge-Based Systems.2016,

[5]

Feature subset selection using naive Bayes for text classification.[J].Guozhong Feng;Jianhua Guo;Bing-Yi Jing;Tieli Sun.Pattern Recognition Letters.2015,

[6]

基于BiGRU＿MulCNN的农业问答问句分类技术研究 [J].