文档介绍：: .
农业图书情报注成本过
高的问题，对农业新闻分析工作也造成了一定阻碍。为解决该问题，运用主动学****或者深度主动学****技术从未标注数据中选
择更有价值和代表性的数据进行人工标注并构建标注数据集，提升农业新闻挖掘工作效率和效果。[方法 / 过程]将文本分类
常用的机器学****模型结合主动学****方法分析提升效果，以及使用 BERT 模型结合 3 种采样策略进行深度主动学****训练，在共
19 847 条样本的新闻爬虫语料上以筛选出农业相关新闻为目标，通过每轮增加 30 个样本标注的迭代实验进行测试。[结果 /
结论]实验结果表明：主动学****方法的应用对各个模型的训练过程均有明显提升。其中 BERT 模型配合判别性主动学****采样函
数，具有最优的新闻文本分类效果和最低的标注数据需求。
关键词院 深度学****农业新闻；文本分类；BERT 模型；主动学****br/> 中图分类号院 文献标识码院 A 文章编号院 1002-1248 2022 07-0000-11
渊 冤
引用本文院 石运来,崔运鹏, BERT 和深度主动学****的农业新闻文本分类方法[J].农业图书情报学报,2022,34(7):
00-10.
监测 灾害预警 产品营销等研究 需要对大量的新
袁 袁 袁
引 言 闻文本进行挖掘分析 找出有价值的信息 而这些研
1 袁 遥
究的前提都是要先对新闻按照主题或者领域进行分类
随着互联网和农业信息化的快速发展 网络上的 和筛选 所以产生了对新闻按主题进行分类的需求
袁 袁 遥
包括农业主题在内的各类新闻内容数量呈现井喷式上 因此新闻主题分类任务是农业文本挖掘领域的一项基
升 并