基于LSTM的食品安全自动问答系统方法研究

论文摘要

为高效、准确、全面获取食品安全相关信息,以食品安全文本为研究对象,采用Lucene全文检索架构和长短期记忆神经网络（Long short-term memory,LSTM）构建了食品安全自动问答系统。依托于从互联网爬取的文本作为非结构化数据集,利用检索架构扩充人工标注的问题答案对规模,并以此训练了可以判断问题和答案候选句匹配程度的LSTM模型。基于Lucene检索机制进行答案候选集提取和基于LSTM模型进行答案提取,构建了一个可根据食品安全相关问题给出答案所在句子的问答系统,并对比了基于Lucene直接检索的答案抽取和基于LSTM的答案抽取这两种方法。结果表明,当候选文档数量增加时,基于LSTM模型的问题答案匹配方法,其平均准确度始终高于基于Lucene检索方法的平均准确度;而候选句子数量较小时,基于LSTM模型的问题答案匹配方法的平均准确度也高于基于Lucene检索方法的平均准确度。

论文目录

• 0 引言
• 1 材料与方法
•   1.1 语料获取
•     1.1.1 食品安全事件语料库
•     1.1.2 基于Lucene的问题答案对扩充
•   1.2 答案抽取方法
•     1.2.1 基于word2vec方法的词向量生成
•     1.2.2 基于LSTM的答案抽取模型
• 2 实验结果与分析
•   2.1 实验设置
•     2.1.1 数据划分及实验过程
•     2.1.2 评价标准
•     2.1.3 测试方法
•     2.1.4 基准实验
•   2.2 结果分析
• 3 结论

文章来源

类型: 期刊论文

作者: 陈瑛,陈昂轩,董玉博,赵筱钰,侯文俊

关键词: 食品安全,问答系统,答案抽取模型,技术,深度学习

来源: 农业机械学报 2019年S1期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,计算机软件及计算机应用

单位: 中国农业大学信息与电气工程学院

基金: 国家自然科学基金项目(61503386)

分类号: TS201.6;TP391.1

页码: 380-384

总页数: 5

文件大小: 177K

下载量: 344