农业机械学报

作者：王郝日钦，吴华瑞，冯帅，刘志超，许童羽

单位：沈阳农业大学;内蒙古民族大学,国家农业信息化工程技术研究中心,沈阳农业大学,沈阳农业大学,沈阳农业大学,

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

基金：国家重点研发计划项目(2018YFD0300309)、江苏大学农业装备学部项目和内蒙古民族大学科学研究基金项目（NMDYB18028、NMDYB18026、NMDYB17138）

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。

来源：2021年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第7期