典型文献
深度预训练模型的农业问句分类技术研究
文献摘要：
问句分类作为农业智能问答系统的核心模块之一,对问答系统的检索效率有决定性影响.针对农业问句特征稀疏、描述不规范等问题,基于深度预训练方法BERT或ERNIE构建农业问句分类模型.在农作物、园艺、养殖技术、水产渔业、农业工程5个类别下设计3组实验,使用12.5万条农业数据集进行实验验证,并与典型深度学习方法TextRNN-Attention、Transformer进行比较,同时考察增加数据集对分类结果的影响.实验结果表明,基于深度预训练语言模型的农业问句分类效果最好,其中ERNIE模型在测试集上的F1值最高可达94.76％,比其他模型的精确率、召回率和F1值提升1％～3％.此外,在增加数据集的情况下各模型的F1值均有所提升.深度预训练模型ERNIE可对农户的提问进行自动分类,具有更优的农业问句文本分类效果.
文献关键词：
农业问句分类;文本分类;预训练语言模型
中图分类号：
作者姓名：
胥建杰;董莉霞;邓晓垒
作者机构：
甘肃农业大学信息科学技术学院,甘肃兰州730070
文献出处：
引用格式：
[1]胥建杰;董莉霞;邓晓垒-.深度预训练模型的农业问句分类技术研究)[J].软件导刊,2022(06):62-66
A类：
农业问句分类
B类：
预训练模型,分类技术,智能问答系统,核心模块,决定性影响,特征稀疏,训练方法,BERT,ERNIE,分类模型,园艺,养殖技术,渔业,农业工程,别下,下设,万条,农业数据,深度学习方法,TextRNN,Attention,Transformer,增加数,预训练语言模型,分类效果,测试集,精确率,召回率,提问,自动分类,文本分类
AB值：
0.315253
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
