基于CNN-Transformer的农作物病虫害知识问答意图识别与槽位填充联合模型

摘要：

意图识别与槽位填充是农作物病虫害知识问答中问题理解的两个重要任务.在已有面向农业领域的研究中,上述任务仍被视为两个完全独立的子任务,并且未充分利用意图识别与槽位填充的语义信息.为此,该研究提出一种基于CNN-Transformer的意图识别与槽位填充联合模型(CDPCT-IDSF).该模型根据农作物病虫害文本语义复杂设计CNN网络与多层Transformer结合强调局部的有用信息以缓解语义缺失问题;然后在Transformer解码器中引入对齐保证输入与输出一对一关系以提高识别正确槽位标签的能力.此外,进一步构建了包含20个意图类别、12个槽位类别和11242条标注样本的农业病虫害知识问答数据集进行对比试验,CDPCT-IDSF模型在该语料库上的槽位填充F1值为94.36％,意图识别精度为92.99％,整体识别精度为87.23％,优于其他对比模型,结果证明了所提模型在农作物病虫害意图识别与槽位填充任务上的有效性,可为面向农作物病虫害的知识问答研究提供理论支撑.

关键词：农作、物病虫害、CNN卷积网络、Transformer、意图识别、槽位填充

所属期刊栏目：40

分类号：S126(农业物理学)

资助基金：国家科技创新新一代人工智能重大项目;山东省自然科学基金青年项目

在线出版日期：2024-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：156-162