基于语义知识图谱的农业知识智能检索方法

被引：60

作者：

张海瑜 ^{[1
]}

陈庆龙 ^{[2
]}

张斯静 ^{[2
]}

张子怡 ^{[3
]}

杨帆 ^{[3
]}

李鑫星 ^{[3
]}

机构：

[1] 中国农业大学烟台研究院

[2] 中国农业大学工学院

[3] 中国农业大学信息与电气工程学院

来源：

农业机械学报 | 2021年 / 52(S1)卷 / S1期

关键词：

知识图谱; 农业知识; 农业词汇; 一物多词; 智能检索;

D O I：

暂无

中图分类号：

S126 [电子技术、计算机技术在农业上的应用]; TP391.1 [文字信息处理];

学科分类号：

082806 [农业信息与电气工程]; 120506 [数字人文];

摘要：

针对我国现存网络农业数据库同质异构、知识零散化、一物多词、歧义解析缺乏规范等问题,提出了基于语义知识图谱的农业知识智能检索方法。本文方法围绕农作物品种、农作物病虫害、农作物简介、模型方法4个要素,自顶向下构建模式层;通过本体建模形成知识图谱的概念框架,自底向上构建数据层;通过数据获取、知识抽取、融合、存储建立实体间关联关系。针对语料中歧义字段问题,本文方法在构建知识图谱中收集大量专有词汇,并对其进行分词及词性标注。为了解决在农业知识中一物多词的问题,收集了数量庞大的主要农作物别名,并作为实体赋予明确属性,采用Bi-LSTM-CRF进行实体识别,并通过LSTM将问题进行分类,利用TF-IDF进行关键字提取,最后将知识存储于Neo4j图数据库中,从而对相关农业知识数据做规范分类,解决一物多词、一义多解问题。

引用

页码：156 / 163

页数：8

共 24 条

[1]

基于BERT的水稻表型知识图谱实体关系抽取研究 [J].