基于神经网络的农业科技文献自动综述关键技术研究与实现

发布时间：2025-05-27 03:11

　　在大数据时代背景下,科技文献资源总量呈爆炸性增长,为农业科技文献的获取与服务带来了巨大挑战。当前农业领域的科学研究已不再局限于单一学科单一领域的研究,而是开始呈现出多学科跨邻域的综合性研究趋势,农业科研工作者通常需要通过阅读文献来了解或认识某一领域的研究。而文章综述则是快速了解研究领域的有效途径。综述文章对科研邻域进行整体性阐述和认知,使得研究者可以快速观其大略,并快速建立领域研究框架。与此同时,随着计算机硬件技术的快速发展和算力的不断提升,基于神经网络的深度学习迎来了发展机遇期,其在自然语言处理领域的应用让很多历史难题得以解决。因此本文基于现代知识获取和文献分析需求,开展了基于神经网络的农业科技文献自动综述生成关键技术的研究与实现。根据对前人研究的总结和归纳,本文采用分步构建的方法将自动综述生成研究划分为三个主要技术板块:(1)主题文献过滤;(2)语步识别与抽取;(3)综述文本生成。三个技术板块正是自动生成一篇综述文本所需要经过的三个处理步骤,对于各个主要技术板块,本文按顺序分别进行了模型构建研究。首先,在主题过滤模型的设计中,采取先对文档进行向量化表示并降维,然后利用基于层次密度的聚...

【文章页数】：91 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 学术文献自动摘要研究概述
        1.2.2 基于深度学习的自动摘要概述
        1.2.3 科技文献自动综述研究概述
        1.2.4 小结
    1.3 研究意义
    1.4 研究内容
        1.4.1 主要研究内容与方法
        1.4.2 章节安排与技术路线
第二章 农业科技文献自动综述相关理论与技术
    2.1 相关模型架构
        2.1.1 Transformer架构概述
        2.1.2 BERT模型概述
    2.2 主题文献筛选相关理论与技术
        2.2.1 句向量的表示学习
        2.2.2 向量聚类算法
    2.3 语步识别与抽取相关理论与方法
    2.4 关于文本生成的相关研究
    2.5 结果评估相关理论
        2.5.1 基于精确率和召回率的评价方法
        2.5.2 基于ROUGE的评价方法
    2.6 本章小结
第三章 主题文献筛选模型构建
    3.1 模型的功能与定义
    3.2 基于均值聚类的筛选方法
        3.2.1 模型构建思路
        3.2.2 实验数据与设置
        3.2.3 实验结果与讨论
    3.3 基于层次密度聚类的筛选方法
        3.3.1 模型构建思路
        3.3.2 实验数据与设置
        3.3.3 实验结果与讨论
    3.4 本章小结
第四章 语步识别与抽取模型构建
    4.1 模型功能与任务定义
    4.2 农业领域科技文献语步数据集构建
    4.3 基于BERT模型的语步识别与抽取模型构建
        4.3.1 实验数据与设置
        4.3.2 实验结果与讨论
    4.4 基于Sci BERT模型的语步识别与抽取模型构建
        4.4.1 实验数据与设置
        4.4.2 实验结果与讨论
    4.5 语步识别与抽取实例
    4.6 本章小结
第五章 综述文本生成模型构建
    5.1 模型功能与任务定义
    5.2 基于Transformer的文本生成模型构建
        5.2.1 实验数据与设置
        5.2.2 实验结果与讨论
    5.3 文本生成实例与讨论
    5.4 本章小结
第六章 自动综述系统的实现与测试
    6.1 农业科技文献自动综述生成系统原型设计
        6.1.1 系统业务流程设计
        6.1.2 系统业务架构设计
        6.1.3 系统原型界面设计
    6.2 农业科技文献自动综述生成系统实现
        6.2.1 系统前后端交互实现
        6.2.2 系统实例
    6.3 本章小结
第七章 结论
    7.1 研究总结
    7.2 未来与展望
参考文献
附录A 综述文本生成模型生成实例的输入摘要文本
致谢
作者简历



本文编号：4047416