中国农业机械化科学研究院集团有限公司 主管

北京卓众出版有限公司 主办

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于马铃薯病虫害知识图谱的问答系统

赵赛 杨婉霞 王巧珍 王梦瑶 熊磊

赵赛,杨婉霞,王巧珍,等.基于马铃薯病虫害知识图谱的问答系统[J].农业工程,2023,13(8):29-37. doi: 10.19998/j.cnki.2095-1795.2023.08.006
引用本文: 赵赛,杨婉霞,王巧珍,等.基于马铃薯病虫害知识图谱的问答系统[J].农业工程,2023,13(8):29-37. doi: 10.19998/j.cnki.2095-1795.2023.08.006
ZHAO Sai,YANG Wanxia,WANG Qiaozhen,et al.Question answering system based on potato pests and diseases knowledge map[J].Agricultural Engineering,2023,13(8):29-37. doi: 10.19998/j.cnki.2095-1795.2023.08.006
Citation: ZHAO Sai,YANG Wanxia,WANG Qiaozhen,et al.Question answering system based on potato pests and diseases knowledge map[J].Agricultural Engineering,2023,13(8):29-37. doi: 10.19998/j.cnki.2095-1795.2023.08.006

基于马铃薯病虫害知识图谱的问答系统

doi: 10.19998/j.cnki.2095-1795.2023.08.006
基金项目: 甘肃省高等学校青年博士基金项目(2021QB-033)
详细信息
    作者简介:

    赵赛,硕士生,主要从事知识图谱管理与存储研究 E-mail:592527344@qq.com

    杨婉霞,通信作者,博士,教授,主要从事信息处理和自控技术研究 E-mail:yangwanxia@163.com

  • 中图分类号: S532

Question Answering System Based on Potato Pests and Diseases Knowledge Map

  • 摘要:

    开展农业知识图谱的问答系统研究在整个智能农业领域中具有重要的意义。以马铃薯病虫害为例,设计了马铃薯病虫害知识图谱问答系统,通过BIO、BMES和BIOES 3种方式标注数据后设计了BIiLSTM-CRF、Word2vec-BILSTM-CRF和Bert-BILSTM-CRF 3种模型进行命名实体识别。试验结果表明,BEMS标注方式效果最佳,Bert-BILSTM-CRF模型在命名实体识别时性能最佳,其F1值为85.62%。结合Neo4j图数据库匹配相应Cypher语句实现问答交互,应用基于Javascript语言的VUE前端框架,搭建完整的问答系统页面。

     

  • 图 1  整体框架

    Figure 1.  Overall frame

    图 2  模式层构建

    Figure 2.  Pattern layer construction

    图 3  知识融合

    Figure 3.  Knowledge fusion

    图 4  Word2vec-BILSTM-CRF模型

    Figure 4.  Word2vec-BILSTM-CRF model

    图 5  Bert-BILSTM-CRF模型

    Figure 5.  Bert-BILSTM-CRF model

    图 6  语料标注方式对比

    Figure 6.  Comparison of corpus annotation methods

    图 7  不同标注方式各实体的F1

    Figure 7.  F1 value of entities with different marking methods

    图 8  模型收敛曲线F1-Score

    Figure 8.  Model convergence curve F1-Score

    图 9  马铃薯病虫害知识图谱

    Figure 9.  Knowledge map of potato diseases and pests

    图 10  问答终端结构

    Figure 10.  Q & A terminal structure

    图 11  问答交互页面

    Figure 11.  Q&A interactive page

    图 12  离线问答交互

    Figure 12.  Offline Q & A interaction

    图 13  echart可视化图谱

    Figure 13.  Echart visualization map

    表  1  数据集

    Table  1.   Data set

    实体类型
    关系类型
    属性类型
    分类 数量 分类 数量 分类 数量
    疾病 579 危害 1427 发病周期 579
    防治方案 1153 防治 1649 防治药剂 981
    症状 1472 分布 463 发病条件 876
    病原 2452 属于 657 传播途径 1028
    发病部位 2966 别称 1042
    分布区域 200
    总数 8971 总数 5238 总数 3464
    下载: 导出CSV

    表  2  实体关系

    Table  2.   Entity relationship

    实体关系 含义 示例
    distribution 分布 <甘肃省、河南省、陕西省>
    has prevent 防治 <无病留种田、选用抗病品种、初期喷洒杀虫剂>
    has symptom 危害 <顶部萎蔫、叶片卷曲、叶子发黄>
    diseas_is 别称 <半知菌亚门真菌、立枯丝核菌、环腐棒杆菌>
    Location of diease 属于 <叶尖、根部、叶缘>
    下载: 导出CSV

    表  3  实体属性

    Table  3.   Entity attributes

    实体属性 含义 示例
    Cycle 疾病发病周期 <1周、15 d、一个月>
    Insecticide 疾病防治药剂 <50%多霉威、硫酸铜悬浮剂、波尔多液>
    Environment 疾病发病条件 <缺钙、缺镁、低洼潮湿、积水>
    Channel 疾病传播途径 <土里延伸、水中传播、窖内传播>
    下载: 导出CSV

    表  4  标注对比试验结果

    Table  4.   Label the results of comparative experiments 单位:%

    标注方式PRF1
    BIO78.2174.2375.62
    BEMS78.1777.6477.91
    BIOES71.3171.4871.24
    下载: 导出CSV

    表  5  模型对比试验结果

    Table  5.   Results of model comparison experiment 单位:%

    模型PRF1
    BILSTM-CRF71.8863.3267.33
    Word2vec-BILSTM-CRF74.1772.6477.91
    Bert-BILSTM-CRF81.6689.1185.62
    下载: 导出CSV

    表  6  问题分类

    Table  6.   Problem classification

    问题分类示例
    闲聊<你好、再见、你叫什么名字>
    症状类问题<马铃薯青枯病的发病症状>
    防治类问题<马铃薯晚疫病的防治办法>
    属性类问题<马铃薯病害的主要病原>
    周期性问题<马铃薯黑胫病的治疗周期>
    其他类问题<马铃薯干枯病的发病途径>
    下载: 导出CSV

    表  7  意图识别试验结果

    Table  7.   Results of intention recognition experiment 单位:%

    模型PRF1
    Bert+Text CNN92.3689.4191.28
    下载: 导出CSV
  • [1] 张克艳,谢冬.甘肃省马铃薯产业发展现状与前景展望[J].农村经济与科技技,2020,31(1):227,238.
    [2] 陶永芹.专业领域智能问答系统设计与实现[J].计算机应用与软件,2018,35(5): 95 - 101 .

    TAO Yongqin.Design and implementation of intelligent question answering system in professional field[J].Computer Applications and Software,2018,35(5): 95 - 101 .
    [3] XIAO G ,CORMAN J.Ontology-mediated SPARQL query answering over knowledge graphs[J].Big Data Research,2020,23:100177.DOI: 10.1016/j.bdr.2020.100177.
    [4] 刘峤,李杨,段宏,等.知识图谱构建技术综述[J].计算机研究与发展,2016,53(3): 582 - 600 .

    LIU Qiao,LI Yang,DUAN Hong,et al.Knowledge graph construction techniques[J].Journal of Computer Research and Development,2016,53(3): 582 - 600 .
    [5] 孙亚茹,杨莹,王永剑.基于知信图卷积神经网络的开放域知识图谱自动构建模型[J].计算机工程,2022,48(10): 116 - 122 .

    SUN Yaru,YANG Ying,WANG Yongjian.Knowledge graph automatic construction model in open domain based on knowledge-informed graph convolutional neural network[J].Computer Engineering,2022,48(10): 116 - 122 .
    [6] 申存,黄廷磊,梁霄.基于多粒度特征表示的知识图谱问答[J].计算机与现代化,2018(9): 5 - 10 .

    SHEN Cun,HUANG Yanlei,LIANG Xiao.Knowledge graph question answering based on multi-granularity feature representation[J].Computer and modernization,2018(9): 5 - 10 .
    [7] 吴赛赛.基于知识图谱的作物病害虫智能问答系统[D].北京:中国农业科学院,2021.

    WU Saisai.Design and implementation of intelligent question and answering system for crop diseases and pests based on knowledge graph[D].Beijing:Chinese Academy of Agricultural Sciences,2021.
    [8] 徐帅博.基于枸杞病虫害知识图谱的问答系统研究与实现[D].银川:宁夏大学,2020.

    XU Shuaibo.Research and implementation of question answering system based on diseases and pests knowledge graph of lycium barbarum[D].Yinchuan:Ningxia University,2020.
    [9] 吴茜.基于知识图谱的农业智能问答系统设计与实现[D].厦门:厦门大学,2019.

    WU Qian.Design and implementation of agricultural intelligent Q & A system based on knowledge graph[D].Xiamen:Xiamen University,2019.
    [10] 朱淑媛,罗军.基于本体的领域自动问答系统研究[J].计算机应用与软件,2019,36(8): 98 - 105,154 .

    ZHU Shuyuan,LUO Jun.Domain automatic question answering system based on ontology[J].Computer Applications and Software,2019,36(8): 98 - 105,154 .
    [11] 陈亚东,鲜国建,寇远涛,等.我国苹果产业知识图谱构建研究[J].中国农业资源与区划,2017,38(11): 40 - 45 .

    CHEN Yadong,XIAN Guojian,KOU Yuantao,et al.Study on construction of knowledge graph of apple industry in China[J].Chinese Journal of Agricultural Resources and Regional Planning,2017,38(11): 40 - 45 .
    [12] 张云中,郭冬,王亚鸽.基于知识图谱的红色历史人物知识问答服务框架研究[J].图书情报工作,2021,65(16): 108 - 117 .

    ZHANG Yunzhong,GUO Dong,WANG Yage.Framework of knowledge Q & A service for red historical figures based on knowledge graph[J].Library and Information Service,2021,65(16): 108 - 117 .
    [13] LIU S,TAN N,YANG H,et al.An intelligent question answering system of the Liao dynasty based on knowledge graph[J].International Journal of Computational intelligence Systems,2021,14(1): 1 - 12 .
    [14] 丁晟春,侯琳琳,王颖.基于电商数据的产品知识图谱构建研究[J].数据分析与知识发现,2019,3(3): 45 - 56 .

    DING Shengchun,HOU Linlin,WANG Ying.Product knowledge map construction based on the e-commerce data[J].Data Analysis and Knowledge Discovery,2019,3(3): 45 - 56 .
    [15] 张琳,熊斯攀.基于Neo4j的社交网络平台设计与实现[J].情报探索,2018(8): 77 - 82 .

    ZHANG Lin,XIONG Sipan.Design and implementation of social network platform based on Neo4j[J].Information Research,2018(8): 77 - 82 .
    [16] DEVLIN J,CHANG M W,LEE K,et al.BERT:pre-training of deep bidirectional transformers for language understanding[J].2018.DOI: 10.48550/arXiv.1810.04805.
    [17] MIKOLOV T,CHEN K,CORRADO G,et al.Efficient estimation of word representations in vector space[C]// Proceedings of the International Conference on Learning Representations (ICLR 2013),2013.
    [18] ESULI.EMNLP 2015:Empirical methods in natural language processing[C]// Empirical Methods in Natural Language Processing.http://www.emnlp2015.org/submissions.html.
    [19] 车超,刘迪.基于双向对齐与属性信息的跨语言实体对齐[J].计算机工程,2022,48(3): 74 - 80 .

    CHE Chao,LIU Di.Cross-language entity alignment based on bidirectional alignment and attribute information[J].Computer Engineering,2022,48(3): 74 - 80 .
    [20] 李航.统计学习方法[M].北京:清华大学出版社,2012.
    [21] 陈倩怡,何军.Vue+Springboot+MyBatis技术应用解析[J].电脑编程技巧与维护,2020(1): 14 - 15,28 . doi: 10.3969/j.issn.1006-4052.2020.01.005
  • 加载中
图(13) / 表(7)
计量
  • 文章访问数:  20
  • HTML全文浏览量:  9
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-12-17
  • 修回日期:  2023-03-09
  • 出版日期:  2023-08-20

目录

    /

    返回文章
    返回