基于深度学习的农业科技信息语义挖掘研究

发布时间：2020-12-30 05:45

　　目前农业文献中普遍存在“数据丰富而知识贫乏”现象,表现为农业专业文献数据量急剧增长,信息过载严重,用户迫切需要对过载农业信息进行压缩利用,挖掘其中关键有效的知识。而传统的信息抽取技术对过载信息抽取后,易造成核心论点语义缺失、语义歧义和语义不连贯等问题,不能满足农业用户日益增长的准确性、相关性和完整性需求。针对这种情况,本文在研究语义挖掘相关理论和把握农业数据应用场景需求的基础上,首先,结合深度学习方式需要海量信息训练超参数的特点,主要研究基于深度学习的生成式自动文摘方法,目的为了提高已有海量农业科技信息的利用率;其次,改善传统的信息抽取方式,利用深度神经网络技术训练学习农业科技信息特征,为农业科技信息领域信息获取与分析提供新的方法和技术;最后,为提高检索结果的精确度,节省人力标记成本,开发农业科技文本信息自动文摘抽取系统。论文以农业科技文献信息为研究对象,在不需要经过人工特征处理和具体特定的领域知识的情况下,为提高海量农业科技信息的利用率,从词嵌入角度而非传统的词袋模型角度,研究基于词嵌入自编码网络表示农业科技文摘数据的内部语义逻辑,可大规模对农业科技文献数据建模;同时,为解决传统的信... 

【文章来源】：中国农业科学院北京市

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

wiki英文语料训练的Word2vec训练的词向量Figure4WordEmbeddingonWikiEnglishCorpusbyWord2Vec

图 3 较简洁的语义相近词向量图。（Rutger Ruizendaal，2018）Figure 3 A Simpler Vector Diagram of Semantically Similar Words.( Rutger Ruizendaal, 2018)

17图 6 从 0 到 1 快速震荡的 Sigmoid 函数。（Avinash Sharma V，2Figure 6 Sigmoid Function Shocking from 0 to 1. (Avinash Sharma V

【参考文献】：
期刊论文
[1]面向农业图书资源语义挖掘的主题模型应用设计研究[J]. 龚浩,崔运鹏,钱平.  图书馆理论与实践. 2018(03)
[2]数据挖掘在农业信息化中的应用进展[J]. 周金龙,任青山,方逵.  农村经济与科技. 2017(17)
[3]面向语义挖掘的蔬菜病害知识视频场景检测[J]. 温皓杰,周婧,傅泽田,张领先,严谨,李鑫星.  农业机械学报. 2016(S1)
[4]国内基于本体的个性化服务研究综述[J]. 曹霞.  图书馆工作与研究. 2016(08)
[5]融合PAM和主题偏好TextRank的历史沿革信息抽取[J]. 田长波,林民,斯日古楞.  计算机应用研究. 2017(01)
[6]散乱点云数据的分割方法探究[J]. 马符讯,那地曼·艾尼瓦尔,林欢.  测绘与空间地理信息. 2014(10)
[7]融合LDA与TextRank的关键词抽取研究[J]. 顾益军,夏天.  现代图书情报技术. 2014(Z1)
[8]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[9]利用LDA的领域新兴主题探测技术综述[J]. 范云满,马建霞.  现代图书情报技术. 2012(12)
[10]深度学习研究综述[J]. 孙志军,薛磊,许阳明,王正.  计算机应用研究. 2012(08)

博士论文
[1]政府网站信息资源多维语义知识融合研究[D]. 黄新平.吉林大学 2017
[2]本体进化驱动的个性化语义搜索研究[D]. 刘毅.大连理工大学 2017
[3]基于概念格的数字图书馆知识组织研究[D]. 滕广青.吉林大学 2012
[4]面向智能服务的Web内容计算研究与应用[D]. 张友华.中国科学技术大学 2006
[5]汉英双语语料库自动对齐研究[D]. 王斌.中国科学院研究生院（计算技术研究所） 1999

硕士论文
[1]基于深度学习的图像语义提取与图像检索技术研究[D]. 罗世操.东华大学 2016
[2]基于主题模型和深度置信网络的文本分类方法研究[D]. 侯思耘.云南大学 2015
[3]基于文本层次模型的Web概念挖掘研究[D]. 章成志.南京农业大学 2002



本文编号：2947103