基于深度学习的细粒度农业知识图谱构建

来源：中国农机化学报杂志2026年第6期北京时间：

作者：高静, 王洪显, 郝莉萍

单位：1. 郑州经贸学院大数据与人工智能学院,郑州市,450000； 2. 中科大数据研究院,郑州市,450000

摘要：农业知识图谱作为整合农业生产、作物管理与病虫害防治等专业信息的重要平台，正被广泛应用于智慧农业决策系统、农技推广与农事咨询等服务。为提升农业知识图谱的细粒度表达能力，针对农业专业网站与文献资料中的大规模农业知识库，提出一种融合预训练语言模型与序列标注方法的农业实体识别方法。该方法以双向长短期记忆网络构建词语的上下文语义表示，引入预训练语言模型增强对农业术语的语义理解，并结合条件随机场模型优化实体边界识别。在此基础上，通过实体对齐与属性填充，构建涵盖多个子领域的细粒度农业知识图谱。试验结果表明，BERT+BiLSTM+CRF模型在农业实体识别任务中表现优异，F1值达到0.88，精确率为0.90，召回率为0.87，显著优于传统模型。最终构建的知识图谱包含29 191个细分实体和686 079条语义关系，覆盖作物栽培、病虫害防治及农业资源管理等领域，可为智慧农业系统提供有效的知识支撑。

关键词：农业知识图谱,实体识别,预训练语言模型,条件随机场,细粒度抽取,深度学习

基金资助：河南省科技攻关项目（252102210074）