论文部分内容阅读
农业高新技术是指以农业应用为主体,具备技术、智力和R&D资金密集的条件,能带来经济的高增长率,提升国际竞争力的具有先导性的新兴技术群。技术的智能评价是指技术评价的智能化,具体的含义是把机器学习、人工智能技术运用到技术评价的各个环节,推进评价技术、方法及手段创新,以技术支撑评价智能化水平的全面提升。在国家全面推进供给侧改革,促进经济转型,推行“乡村振兴”发展战略的大背景下,我国在农业科技领域的自主创新能力不断提升,农业高新技术不断涌现,为加快农业农村现代化建设做好了技术储备,如何从经济效益、社会效益、环境效益、风险分析等方面对农业高新技术的实用价值进行客观、科学的评价,保证和监督技术的质量,是促进科技成果转化,推动农业农村经济健康快速发展亟待解决的问题。在技术评价过程中,评价报告内容较多、专业性强,其撰写是一项复杂而繁琐的工作,利用信息化技术和自然语言处理技术,完成评价报告的线上自动生成,将大大提升技术评价的效率。本文主要探讨了农业高新技术综合评价的理论与智能方法,运用了文献调研法、指标体系法、模型分析法、实验仿真验证法、主流技术网站调研法等研究方法,对农业高新技术的综合评价理论和智能化方法应用进行探索,主要进行了以下几个方面的研究:(1)对农业高新技术进行定义和分类。根据农业高新技术的特点,给出农业高新技术的定义;参照中国图书馆分类法、FAO(Food and Agriculture Organization of the United Nations,联合国粮食及农业组织)农业叙词表中对农业科学的分类,结合《国家重点支持的高新技术领域》规定的范围,调研近年来农业高新技术应用最广泛的领域,对农业高新技术进行分类。(2)构建了农业高新技术综合评价指标体系。调研国内外各项农业技术评价指标选取原则和选取范围,从农业高新技术本身的特点、利益相关方的评价需求以及农业高新技术产业化的基本条件这三个方面入手,筛选了农业高新技术综合评价指标,并给出了指标的量化处理方法。(3)构建了农业高新技术智能综合评价模型。选取合理的技术样本,邀请专家依据评价指标对农业高新技术打分作为样本数据,采用BP神经网络构建智能评价模型。将该模型的评价效果与使用层次分析法和使用TensorFlow深度学习框架构建的模型进行对比分析,得出BP神经网络具备较好的评价效果的结论。(4)构建了技术评价报告自动生成模型。把评价报告中的文本分为“技术文本”和“评价文本”两个部分。生成过程分别采用抽取式自动文摘技术和模板生成的方式,提升了评价报告的可读性,有助于更加客观高效地进行评价结果的汇总分析工作。(5)设计开发了智能综合评价原型系统。系统包含智能综合评价和评价报告生成两大部分,从技术的选择、专家的推送,技术智能综合评价到评价报告的自动生成,完全实行线上的操作,实现了农业高新技术综合评价的自动化和智能化。本文研究的创新之处主要体现在:第一,根据农业高新技术的特点、产业化条件以及利益相关方的评价需求,创建了包括技术优势、市场前景等6个一级指标和32个二级指标在内的农业高新技术综合评价指标体系,作为农业高新技术综合评价的数据采集依据。第二,以机器学习理论为基础,将农业高新技术综合评价转换为机器学习中的多分类问题,运用BP神经网络训练模型来拟合评价指标和技术类型的非线性关系,采用粒子群算法优化模型的初始权重,提升模型预测的准确率。第三,实现了评价报告的自动生成,构建BERT-MMR组合模型进行“技术文本”的自动摘要,解决了传统TextRank算法摘要生成多样性不足的问题。