研究所的农业科技论文提纲

论文题目：基于深度学习的农业科技信息语义挖掘研究

摘要：目前农业文献中普遍存在“数据丰富而知识贫乏”现象,表现为农业专业文献数据量急剧增长,信息过载严重,用户迫切需要对过载农业信息进行压缩利用,挖掘其中关键有效的知识。而传统的信息抽取技术对过载信息抽取后,易造成核心论点语义缺失、语义歧义和语义不连贯等问题,不能满足农业用户日益增长的准确性、相关性和完整性需求。针对这种情况,本文在研究语义挖掘相关理论和把握农业数据应用场景需求的基础上,首先,结合深度学习方式需要海量信息训练超参数的特点,主要研究基于深度学习的生成式自动文摘方法,目的为了提高已有海量农业科技信息的利用率;其次,改善传统的信息抽取方式,利用深度神经网络技术训练学习农业科技信息特征,为农业科技信息领域信息获取与分析提供新的方法和技术;最后,为提高检索结果的精确度,节省人力标记成本,开发农业科技文本信息自动文摘抽取系统。论文以农业科技文献信息为研究对象,在不需要经过人工特征处理和具体特定的领域知识的情况下,为提高海量农业科技信息的利用率,从词嵌入角度而非传统的词袋模型角度,研究基于词嵌入自编码网络表示农业科技文摘数据的内部语义逻辑,可大规模对农业科技文献数据建模;同时,为解决传统的信息抽取技术抽取核心论点后存在的语义问题,从基于时间递归神经网络RNNs的Seq2Seq结合Attention机制的研究角度开展研究,有效地获得农业科技信息整体序列特征,训练生成式自动文摘模型,探索适用的新型语义挖掘方式。具体研究内容上,论文基于深度学习在自然语言处理方面的相关技术理论,研究了农业科技信息语义挖掘理论基础,开展了农业科技文摘数据集预处理,在语义挖掘方法上主要选择了Seq2Seq结合Attention机制,训练了自动文摘生成模型,并基于美国科学情报研究所的ROUGE评测指标体系,对模型进行了定性评价和定量评估,优化了农业科技信息领域的深度神经网络超参数。最后为了自动文摘模型成果持久化,开发了基于B/S结构的语义挖掘自动文摘抽取系统原型和用户接口界面,以适应农业科技的需求和应用场景。通过本文的研究,将深度学习技术运用到农业文本信息生成与获取领域,尝试弥补了传统抽取式自动文摘方法上的缺憾,为农业领域的海量信息“压缩”方式汲取了一定的经验。同时,利用了现在主流的深度学习技术及相关工具集,自动地提取了文本中的相关主题,为农业科技文献信息获取与分析开发了信息抽取系统原型和用户接口界面,提升了农业信息获取和分析的服务体验水平。

关键词：自然语言处理;语义挖掘;深度学习;ROUGE

学科专业：情报学

摘要

abstract

英文缩略表

第一章 引言

1.1 研究目的与意义

1.2 国内外相关研究现状

1.2.1 农业科技信息应用研究现状

1.2.2 农业科技信息技术研究现状

1.3 本文的主要工作内容和创新点

1.4 论文的章节安排

第二章 农业科技信息语义挖掘相关理论研究

2.1 基础理论

2.1.1 自然语言处理概念定义

2.1.2 自然语言处理基础方法论

2.1.3 自然语言处理应用理论

2.2 语义表示理论

2.2.1 抽取式模型语义表示

2.2.2 生成式模型语义表示

2.3 深度学习理论

2.3.1 前向神经网络

2.3.2 反向传播

2.3.3 递归神经网络

2.3.4 束搜索(Beamsearch)

2.4 本章小结

第三章 农业科技文摘数据集及其处理

3.1 原始数据集信息特征描述

3.1.1 数据集来源及平台介绍

3.1.2 数据集组成特征介绍

3.2 数据处理流程

3.3 数据处理内容

3.3.1 数据预处理

3.3.2 词汇表生成

3.3.3 模型序列数据转换

3.3.4 模型序列训练集、验证集和测试集切分

3.4 本章小结

第四章 农业科技信息语义挖掘模型实验与结果评估

4.1 引言

4.2 农业科技文摘语义挖掘模型方法

4.2.1 抽取式自动文摘方法

4.2.2 生成式自动文摘方法

4.3 农业科技文摘信息语义挖掘模型网络结构

4.4 农业科技文摘信息语义挖掘模型评估方式

4.4.1 交叉熵、信息压缩率与信息保留率

4.4.2 ROUGE指标体系

4.5 模型实验结果

4.5.1 前期传统抽取式实验结果

4.5.2 中期生成式实验结果

4.5.3 后期生成式实验结果

4.6 模型结果分析

第五章 农业科技信息抽取系统原型及用户接口设计与实现

5.1 引言

5.2 农业科技信息抽取系统原型设计

5.2.1 系统原型架构设计思路

5.2.2 系统原型前后端交互设计

5.2.3 系统原型用户接口界面设计

5.3 农业科技信息抽取系统原型实现

5.3.1 系统原型前后端交互实现

5.3.2 系统原型用户接口界面实现

5.3.3 系统原型后端模型数据可视化

5.4 本章小结

第六章 总结与展望

6.1 本文研究工作总结

6.2 展望

参考文献

附录模型对比公开数据集Gigaword数据摘录

致谢

作者简历