小麦是当今世界最重要的粮食作物之一,我国对小麦种植产业的发展极为重视。小麦种植时的播种方式与耕种方式均会对小麦产量造成直接影响,而小麦病虫害的发生更是可能会造成小麦减产甚至绝收。在现代化农业发展进程中要加强对小麦种植技术的全面了解和认识,特别是要加强麦农对于小麦病虫害相关知识的了解,以此确保小麦的品质与产量。由于农业生产者文化教育程度的差异以及新的科技成果传播方式的问题,他们在实际生产中更多依赖于农事生产经验而不是网络中的相关农业知识,随着智慧农业的发展,推荐系统被引入以解决农业知识传播的效率问题,推荐系统能够根据不同用户的特征进行推荐,能够促进小麦病虫害知识的有效传播,提高麦农对于相关知识的了解程度。本文以小麦病虫害知识为研究对象,对小麦病虫害命名实体识别技术进行研究,并提出一种面向小麦病虫害知识的推荐模型,为小麦病虫害防治等相关知识的有效传播提供技术支持。文章的主要工作包括:（1）小麦病虫害命名实体识别技术的研究。将知识图谱的概念引入小麦病虫害领域中,首先对小麦病虫害知识的特点进行分析,完成小麦病虫害领域的本体库的构建工作,依托小麦病虫害本体库进行知识抽取工作后整合形成知识图谱。构建基于BIO标注策略的BERT-Bi LSTM-CRF小麦病虫害命名实体识别模型,设计实验与基线模型进行对比分析,结果表明该模型表现优越,达到了0.9086的精确率、0.9001的召回率和0.9043的F1得分。（2）提出一种基于知识图谱的特征融合推荐模型,针对当前推荐模型中存在的数据稀疏性和用户兴趣描述粒度大的问题,将知识图谱引入推荐模型中,基于知识图谱进行用户兴趣建模,融合挖掘的语义特征与知识特征后使用融合注意力机制的门控循环单元捕获知识图谱中蕴含的高阶信息,丰富用户表征以改进推荐效果。基于学术界通用的数据集Movie Lens数据集以及构建的小麦病虫害知识相关数据集进行实验,结果验证了本文所构建的推荐模型各个模块的重要性,能够有效提升推荐效果且该模型能够有效缓解数据稀疏性问题,AUC和准确率分别达到0.8857和0.8131。针对小麦病虫害知识的传播效率问题,本文对小麦病虫害命名实体识别技术进行研究,在此基础上提出一种基于知识图谱特征融合的推荐模型,借助该模型促进小麦病虫害知识的有效传播,助力农业生产实践。