本项目开发了一款利用知识图谱与预训练语言模型技术的猕猴桃种植智能问答系统，旨在通过人工智能为用户提供精准、高效的农业技术支持。
在构建猕猴桃种植知识图谱的过程中，考虑到该领域数据来源多样且结构各异的特点，我们采用了自顶向下的方法来设计一个全面的知识图谱体系。具体来说，首先定义了猕猴桃种植领域的本体概念模式，并依据这一模式将从各种渠道提取的三元组事实整合进知识库中。
在构建过程中遇到了一些挑战：例如如何高效准确地抽取实体关系以及怎样有效地完成知识补全等问题。为应对这些难题，我们采用了实体关系联合抽取技术并引入了基于TransR的方法来进行知识图谱的补全工作。此外，还开发了一种融合字词语义信息的猕猴桃种植命名实体识别模型，该模型在SoftLexicon的基础上通过多头注意力机制（MHA）和注意力机制调整词权重及词集的重要性来进一步提升实体识别精度。
实验结果显示：与传统方法相比，我们提出的实体识别模型将F1值提升了1.58%，达到了91.91%；而在ResumeNER公开数据集上的表现则更加出色，其F1值为96.17%。此外，在三元组抽取任务中我们的方法同样表现出色，取得了92.86%的F1分数；而基于TransR的知识补全技术在Hit@3和Hit@10指标上分别达到了90.40%和92.60%，展示了其强大的知识预测能力。
5星
