目前農(nóng)業(yè)文獻(xiàn)中普遍存在“數(shù)據(jù)豐富而知識(shí)貧乏”現(xiàn)象,表現(xiàn)為農(nóng)業(yè)專業(yè)文獻(xiàn)數(shù)據(jù)量急劇增長(zhǎng),信息過載嚴(yán)重,用戶迫切需要對(duì)過載農(nóng)業(yè)信息進(jìn)行壓縮利用,挖掘其中關(guān)鍵有效的知識(shí)。而傳統(tǒng)的信息抽取技術(shù)對(duì)過載信息抽取后,易造成核心論點(diǎn)語(yǔ)義缺失、語(yǔ)義歧義和語(yǔ)義不連貫等問題,不能滿足農(nóng)業(yè)用戶日益增長(zhǎng)的準(zhǔn)確性、相關(guān)性和完整性需求。針對(duì)這種情況,本文在研究語(yǔ)義挖掘相關(guān)理論和把握農(nóng)業(yè)數(shù)據(jù)應(yīng)用場(chǎng)景需求的基礎(chǔ)上,首先,結(jié)合深度學(xué)習(xí)方式需要海量信息訓(xùn)練超參數(shù)的特點(diǎn),主要研究基于深度學(xué)習(xí)的生成式自動(dòng)文摘方法,目的為了提高已有海量農(nóng)業(yè)科技信息的利用率;其次,改善傳統(tǒng)的信息抽取方式,利用深度神經(jīng)網(wǎng)絡(luò)技術(shù)訓(xùn)練學(xué)習(xí)農(nóng)業(yè)科技信息特征,為農(nóng)業(yè)科技信息領(lǐng)域信息獲取與分析提供新的方法和技術(shù);最后,為提高檢索結(jié)果的精確度,節(jié)省人力標(biāo)記成本,開發(fā)農(nóng)業(yè)科技文本信息自動(dòng)文摘抽取系統(tǒng)。論文以農(nóng)業(yè)科技文獻(xiàn)信息為研究對(duì)象,在不需要經(jīng)過人工特征處理和具體特定的領(lǐng)域知識(shí)的情況下,為提高海量農(nóng)業(yè)科技信息的利用率,從詞嵌入角度而非傳統(tǒng)的詞袋模型角度,研究基于詞嵌入自編碼網(wǎng)絡(luò)表示農(nóng)業(yè)科技文摘數(shù)據(jù)的內(nèi)部語(yǔ)義邏輯,可大規(guī)模對(duì)農(nóng)業(yè)科技文獻(xiàn)數(shù)據(jù)建模;同時(shí),為解決傳統(tǒng)的信... 

【文章來源】：中國(guó)農(nóng)業(yè)科學(xué)院北京市

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

wiki英文語(yǔ)料訓(xùn)練的Word2vec訓(xùn)練的詞向量Figure4WordEmbeddingonWikiEnglishCorpusbyWord2Vec

圖 3 較簡(jiǎn)潔的語(yǔ)義相近詞向量圖。（Rutger Ruizendaal，2018）Figure 3 A Simpler Vector Diagram of Semantically Similar Words.( Rutger Ruizendaal, 2018)

17圖 6 從 0 到 1 快速震蕩的 Sigmoid 函數(shù)。（Avinash Sharma V，2Figure 6 Sigmoid Function Shocking from 0 to 1. (Avinash Sharma V

【參考文獻(xiàn)】：
期刊論文
[1]面向農(nóng)業(yè)圖書資源語(yǔ)義挖掘的主題模型應(yīng)用設(shè)計(jì)研究[J]. 龔浩,崔運(yùn)鵬,錢平.  圖書館理論與實(shí)踐. 2018(03)
[2]數(shù)據(jù)挖掘在農(nóng)業(yè)信息化中的應(yīng)用進(jìn)展[J]. 周金龍,任青山,方逵.  農(nóng)村經(jīng)濟(jì)與科技. 2017(17)
[3]面向語(yǔ)義挖掘的蔬菜病害知識(shí)視頻場(chǎng)景檢測(cè)[J]. 溫皓杰,周婧,傅澤田,張領(lǐng)先,嚴(yán)謹(jǐn),李鑫星.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(S1)
[4]國(guó)內(nèi)基于本體的個(gè)性化服務(wù)研究綜述[J]. 曹霞.  圖書館工作與研究. 2016(08)
[5]融合PAM和主題偏好TextRank的歷史沿革信息抽取[J]. 田長(zhǎng)波,林民,斯日古楞.  計(jì)算機(jī)應(yīng)用研究. 2017(01)
[6]散亂點(diǎn)云數(shù)據(jù)的分割方法探究[J]. 馬符訊,那地曼·艾尼瓦爾,林歡.  測(cè)繪與空間地理信息. 2014(10)
[7]融合LDA與TextRank的關(guān)鍵詞抽取研究[J]. 顧益軍,夏天.  現(xiàn)代圖書情報(bào)技術(shù). 2014(Z1)
[8]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)
[9]利用LDA的領(lǐng)域新興主題探測(cè)技術(shù)綜述[J]. 范云滿,馬建霞.  現(xiàn)代圖書情報(bào)技術(shù). 2012(12)
[10]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽(yáng)明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)

博士論文
[1]政府網(wǎng)站信息資源多維語(yǔ)義知識(shí)融合研究[D]. 黃新平.吉林大學(xué) 2017
[2]本體進(jìn)化驅(qū)動(dòng)的個(gè)性化語(yǔ)義搜索研究[D]. 劉毅.大連理工大學(xué) 2017
[3]基于概念格的數(shù)字圖書館知識(shí)組織研究[D]. 滕廣青.吉林大學(xué) 2012
[4]面向智能服務(wù)的Web內(nèi)容計(jì)算研究與應(yīng)用[D]. 張友華.中國(guó)科學(xué)技術(shù)大學(xué) 2006
[5]漢英雙語(yǔ)語(yǔ)料庫(kù)自動(dòng)對(duì)齊研究[D]. 王斌.中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所） 1999

碩士論文
[1]基于深度學(xué)習(xí)的圖像語(yǔ)義提取與圖像檢索技術(shù)研究[D]. 羅世操.東華大學(xué) 2016
[2]基于主題模型和深度置信網(wǎng)絡(luò)的文本分類方法研究[D]. 侯思耘.云南大學(xué) 2015
[3]基于文本層次模型的Web概念挖掘研究[D]. 章成志.南京農(nóng)業(yè)大學(xué) 2002



本文編號(hào)：2947103