AgAsk：一个从科学文献中帮助回答农民问题的智能体

农业中的决策日益数据驱动；然而，有价值的农业知识常锁藏在自由文本报告、手册与期刊文章中。需要专门的搜索系统来挖掘农业信息，为用户问题提供相关答案。本文提出 AgAsk——一个能够通过挖掘科学文献来回答自然语言农业问题的智能体。我们细致调查并分析了农民的信息需求。基于这些需求，我们发布了一个信息检索测试集，包含真实问题、拆分为段落的大量科学文献集合，以及标明各段落与哪些问题相关的真值相关性判定。我们实现并评估了若干用于回答农民问题的信息检索模型，包括两个最先进的神经排序（neural ranking）模型。我们表明，在此场景下神经排序器在将段落匹配到问题方面极为有效。最后，我们提出了 AgAsk 的部署架构，包含基于 Telegram 消息平台的客户端以及部署在商用硬件上的检索模型。我们提供的测试集旨在激发更多关于将自然语言匹配到科学文献中答案的方法研究。尽管检索模型在农业领域评估，但它们具有通用性，对从事类似问题的其他研究者亦有价值。测试集可在：\url{https://github.com/ielab/agvaluate} 获取。