基于Attention_DenseCNN的水稻问答系统问句分类

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.

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

所属期刊栏目：52

分类号：TP183(自动化基础理论)

资助基金：国家重点研发计划项目;江苏大学农业装备学部项目;内蒙古民族大学科学研究基金项目

在线出版日期：2021-08-17（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：237-243