基于word2vec和Attention-Seq2Seq的水稻病虫害 智能问答方法研究

• 作者: 冯帅 周云成 王郝日钦 许童羽 赵冬雪
• 来源期刊: 沈阳农业大学学报
• 学科: 工学
• 关键词: 水稻病虫害 word2vec 注意力机制 Seq2Seq 智能问答
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 研究简报
• 页码范围: 378-384
• 页数: 7页
• 分类号: TP183
• 字数: 5075字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1700.2019.03.017

摘要

为了提高水稻病虫害问答的准确性、快捷性和智能性,构建一种基于word2vec和注意力机制(Attention)优化的Seq2Seq问答模型.采用爬虫技术获取网络问答数据2万余条,经Jieba分词对数据进行分词处理,去除停用词无用符号等.同时,为提高模型的准确率,采用word2vec中的Skip-Gram模型将句子中的词语进行转换,得到具有语义等信息的词向量,并将经word2vec训练得到的词向量与加人了Attention(注意力机制)的Seq2Seq(Sequence to Sequence,序列到序列)模型进行问答模型训练.试验选取20000条水稻病虫害问答数据,按照随机选取方式,将数据按7/1/2进行训练、验证与测试.将本研究的问答模型与Seq2Seq模型和仅加人Attention机制的Seq2Seq模型进行对比分析,以BLEU评分标准与问答正确率为判断依据.试验结果表明:采用加入了word2vec与Attention机制的Seq2Seq问答模型相比其他两种模型,其模型的测试结果更为准确.该模型在BLEU评分和问答准确率上均高于其他两种模型,BLEU评分与问答正确率分别为33.58％和71％.比其他两种问答模型分别提高22.34％、9.51％和28％、14％.本研究构建的问答模型显著地提高了问答的准确率,能较好地解决农户在水稻种植生产过程中遇到的难题.