基于深度学习的玉米病虫害自动问答系统【字数：15404】
目录
摘要 1
关键词 1
Abstract 1
Key words 1
引言 1
1 选题背景 2
1.1 问题的提出 2
1.2 国内外研究状况 2
1.2.1 国外研究现状 2
1.2.2 国内研究状况 3
1.3 研究的目的和内容 3
2 开发平台及应用技术 3
2.1 自然语言处理技术 3
2.1.1 获取语料 6
2.1.2 语料预处理 6
2.1.3 特征工程 6
2.1.4 模型训练 7
2.2 问答系统概述 7
2.3 网络爬虫技术 8
2.4 文本聚类 8
2.5 词向量技术 9
2.6 LSTM神经网络 9
2.7 语句相似度计算方法 10
2.8 Keras简介 11
2.9 FLASK简介 11
3 基于LSTM的语句相似度计算 11
3.1 总体架构 11
3.2 输入层 12
3.3 嵌入层 13
3.4 LSTM层 14
3.5 dropout层 15
3.6 注意力机制层 15
3.7 曼哈顿层 16
3.8 全连接层 16
3.9 输出层 16 *景先生毕设|www.jxszl.com +Q: ￥351916072￥
4 算法应用 16
4.1 获取数据集 16
4.1.1 数据来源 16
4.1.2 数据格式 17
4.2 数据集处理与标注 17
4.2.1 Kmeans聚类 17
4.2.2 人工标注 18
4.3 训练集生成 19
4.4 基于BiLSTM与attention的语句相似度计算 20
4.4.1 实验环境 20
4.4.2 评价指标 21
4.4.3 结果与分析 21
5 端对端问答系统实现 21
5.1 系统整体架构 21
5.2 后端算法实现 21
5.3 功能测试 22
6 总结 23
6.1 工作总结 23
6.2 不足之处 23
致谢 23
参考文献： 23
基于深度学习的玉米病虫害自动问答系统
引言
玉米是一种常见的农作物。在粗粮谷类中，玉米被加工利用的次数最多。人们以玉米为原料，多种重要的工业产品，都要以玉米为原料。当下我国农业的发展与美国还有一定差距，其中一部分就表现在玉米种植技术上。随着经济进步，人们对于玉米的质和量都提出了更高的要求，改进玉米种植技术，提高种植效率，对于促进产业均衡发展和经济健康增长有着极为重要的意义。
问答系统是比传统检索系统更加先进和高效的系统，相对于一般的检索系统，它可以用简单而准确的语句，来问答使用者的问题。而传统的检索系统在检索时需要关键词来检索，并且所得到的是大量数据的集合，不够简洁。人类所产生数据量在网络时代称指数爆炸式的增长，所以相比以前的信息匮乏，人们当下更需要更加高质量的数据，从海量的数据中获取人们最关注的信息，这便是信息时代人们对问答系统的要求。随着人工智能兴起，机器学习，深度学习等技术加持使得处于瓶颈期的问答系统有了突破性的进展，更加倍受关注和期待。问答系统可以改变人们的检索方式，传统的方式是分割问题，以关键字的形式输入系统,，而问答系统可以直接把原本口语化的问题直接输入给问答系统，并获取到精确而简洁的答案。问答系统解决了传统搜索引擎返回数据量大和搜索方式复杂的弊端，信息获取效率更高，是传统信息检索系统的升级。
本文基于深度学习算法将word2vec词向量技术和LSTM神经网络相结合，构成一个句子相似度计算模型，采用网络爬虫获取的玉米病虫害问题语句对作为训练集，并在玉米病虫害问答对上进行验证，并获取不错的效果，基于该模型，开发了玉米病虫害自动问答系统。
选题背景
问题的提出
玉米种植产业是第一产业重要组成部分，在农业玉米生产的过程中，农户们经常会遇到病，虫害等多种问题问题，为了帮助农户能够解决此类问题，出现了农业种植专家，指导农户进行指导，但是专家的人数有限，且受到时间和空间的限制，无法实时指导需要帮助的农户。在互联网时代，出现了在线的专家平台，比如专家在线网和农业信息网，但是由于系统的检索能力较差，且农户对于操作不熟悉，无法进行高效的检索，专家重复指导一些普遍性问题也耗费了宝贵的时间，并且时效性较差。而解决这一问题的办法便是问答系统。问答系统使得农户可以用口语化的问题进行提问，系统集成了深度学习，信息检索，语义分割等技术对其进行理解分析，然后从数据库中检索出精确而简洁的答案，并自动返回给农户，专家也可以高效地构建知识库，节约大量地时间。这种智能地检索方式时效性强，使用方便，克服了时空限制。因此，设计一个玉米病虫害领域地问题系统，具有较强的现实意义，可以促进农业发展，促进农业信息化。
原文链接：http://www.jxszl.com/jsj/jsjkxyjs/563914.html
