摘要
花生是我国重要的经济作物，在种植过程中却常常受到病虫害的侵袭。常见的花生病虫害包括花生叶斑病、花生蚜虫、花生菌核病等，不仅影响花生的正常生长，更会导致花生减产、品质下降，给农民带来经济损失。为有效管理和防控花生病虫害，科研人员和农业专家投入大量精力，探索各种防治方法，包括病虫害监测、生物防治、化学防治等，以期降低病虫害对花生生产的危害。然而，由于花生病虫害知识涉及多个学科领域，如昆虫学、植物病理学等，这些领域中的知识分散且复杂，病害和虫害之间还存在诸多关系和互动，这给防治工作带来了极大挑战。此外，农业专家培育的优良品种信息难以有效整合和应用，进一步制约了花生病虫害的防治效果。随着大数据技术的蓬勃发展，农业信息正以前所未有的速度迅猛增长，农业信息化已然成为推动现代农业发展的重要基石。本文聚焦于花生病虫害这一核心主题，通过深入的数据挖掘、分析与处理，构建了花生病虫害数据集。在数据集的基础上，进一步实现花生病虫害命名实体识别和三元组抽取，有效提取了关键信息。随后，将这些处理后的数据存储在Neo4j图数据库中，成功构建了花生病虫害知识图谱，基于知识图谱，实现了花生病虫害知识问答。本文的主要工作包括： 花生病虫害本体与数据集的构建，本文利用七步建模法构建花生本体，实现了花生病虫害分类、实体、关系和属性定义，形成了清晰、逻辑严密的知识结构。基于本体建模，通过收集、整理和清洗花生病虫害相关数据，形成了完整、高质量的数据集合，涵盖了花生病害、虫害、品种、病虫害特征、防治措施等，为后续知识挖掘和数据分析提供基础。 花生病虫害命名实体识别。针对花生病虫害命名实体识别中特殊实体识别困难、实体识别不准确等问题，提出了一种半自动化数据标注方法，对数据集进行BIO实体标注，确保数据的一致性和准确性。在模型选择方面，对比了三种不同模型的命名实体识别效果，融合了条件随机场和长短期记忆网络模型，采用精准率、召回率、F1值作为模型评价指标。通过实验测试，自标注语料的花生病虫害数据集在实体识别任务上表现出较高的性能，各项评价指标均稳定在99%以上。 花生病虫害三元组抽取与知识图谱构建。利用专业的标注工具对数据集数据进行详尽的实体、关系、客体标注。在三元组抽取环节，采用了两种方法，一是利用CasRel模型进行三元组抽取，二是根据标注数据的SPO角色语义，设计了一种基于句法规则的方法进行三元组抽取。在知识图谱构建方面采用自顶向下和自底向上相结合的策略。自顶向下的方式确保了知识图谱的整体框架和结构，自底向上方式可以逐步丰富和完善图谱的细节。通过两种方式的有机结合，清晰地展示了花生病虫害领域的知识结构和关联。 花生病虫害问句分类与问答系统的构建。基于Django框架，设计并实现了一个花生病虫害知识图谱问答系统。该系统利用实体属性链接技术自动提取前端用户输入的关键词，并在知识图谱中进行相关信息查询，若找到匹配的信息，系统会迅速将答案返回到用户端，为用户提供便捷、高效的知识查询服务。 实验结果表明，以上各项任务在准确性和速度方面表现出了良好的性能，能够正确高效的实现既定任务。
NETL