农业领域数字化和智能化是国家数字化建设战略的重要组成部分。农业发展离不开农药,食品安全中涉及的农产品的农药残留量关乎人民生命安全和身体健康。因此,基于人工智能技术实现农药知识自动问答系统是有意义的。针对农业从业者和农产品消费者对农药知识的了解和使用方面困难突出,以及目前农药知识相关知识服务比较缺乏问题,本课题致力于通过构建农药知识图谱,设计并实现农药知识自动问答系统来提供农药知识服务,提出了利用深度学习模型实现对用户提问进行语义分类以及实体识别与链接的方法。本课题的主要研究内容与阶段性成果如下:（1）农药知识图谱的构建。在本体构建方面,本文采用自顶向下的方式构建农药知识图谱概念层,使用农药产品数据以及农药检测数据进行概念层填充,构建出多个异构知识图谱;在知识融合方面,针对图谱存在的一义多词现象,提出基于词义与关系的融合相似度算法进行实体对齐;在知识存储方面,采用Neo4J图数据库对构建的知识图谱进行存储与展示。（2）基于农药知识图谱的知识问答方案设计研究。首先,针对用户语料缺少的问题,采用语料模板方法构建和标注语料;针对传统问答基于模板匹配的方法,设计基于深度学习的农药知识问答方案。采用word2vec模型对用户语料进行训练得到输入向量,并通过实验对比采用词嵌入且嵌入维度为50时表现最优。在实体识别与链接方面,使用Bi-LSTM-CRF模型进行实体识别的方法,并通过融合相似度算法将识别到的实体与知识图谱中的储存的实体进行链接;在问题意图识别方面,提出基于注意力机制改进后的CNN模型（text CNN模型）对用户语义进行分类;在查询语句生成以及回答方面,将识别到的实体与语义转换成三元组输入,使用Cypher语句对知识图谱进行查询,并依据模板进行回答。在真实数据集上对Bi-LSTM-CRF模型进行实体识别测试,F1值达到87.36%,对基于注意力机制改进后的CNN模型进行语义类别预测的有效性测试,F1值为92.24%,比模型改进前的F1值提高8.8了个百分点。因此,知识问答系统涉及的实体识别与链接方法以及语义识别方法是有效的。（3）基于农药知识图谱的问答系统的设计与实现。本文依托农药检测实验室管理系统,以农药知识图谱作为数据支撑,以所提出的实体识别与链接方法,以及语义识别方法为核心开发了基于农药知识图谱的问答系统,依据软件工程方法,对系统进行了可行性分析,需求分析以及架构设计,并使用Spring Boot作为后端程序开发框架对模块进行系统设计、实现和测试。