基于Attention_DenseCNN的水稻问答系统问句分类

王郝日钦 吴华瑞 冯 帅 刘志超 许童羽

(1.沈阳农业大学信息与电气工程学院， 沈阳 110866； 2.内蒙古民族大学计算机科学与技术学院， 通辽 028043；3.国家农业信息化工程技术研究中心， 北京 100097； 4.北京农业信息技术研究中心， 北京 100097)

0 引言

“中国农技推广APP”是一个提供专家指导、农技问答的综合性专业服务平台，用户每天在水稻问答模块中提问千余条，目前主要利用人工筛选特征和浅层学习模型对水稻提问数据进行分类管理。由于水稻提问数据的高维性和稀疏性，其分类效果并不理想，如何使用自然语言处理[1]技术自动、快速地挖掘水稻问句的特征，并用于水稻问句分类，是当前需要解决的重要难题。问答系统一般包括用户问句分类[2]、问句语义分析[3]和答案抽取[4]3部分。问句分类是问答系统的关键模块，其分类准确性对问答系统至关重要，因此，对水稻问句进行自动分类是实现水稻智能问答系统[5]的关键，也是实现人工智能[6]的必然需求。

近年来，国内外研究人员使用机器学习[7-8]与深度学习[9-13]模型进行文本分类，并取得了良好的效果。卷积神经网络在图像分类领域取得了显著的效果，研究人员将卷积神经网络模型进行优化和改进，使用词向量转换工具将高维的文本数据转换为低维稠密的词向量，并输入卷积神经网络，提升了分类效果。文献[14]提出用于文本分类的单层卷积神经网络模型，将文本当作固定长度的图像输入到模型中，提高了文本分类效果，但并未考虑文本信息中的序列信息所带来的影响。……