徽茶产业作为安徽的传统优势农产业,保障安徽山区经济,但是近些年来徽茶产业发展停滞,急需高新技术为其二次赋能。现在是数字化时代,信息技术越来越普及,农业与信息技术的结合可以充分挖掘农业数据,更加科学高效地发展农业。通过构建基于徽茶的知识图谱有助于从海量的信息中快速挖掘徽茶知识,将碎片化的信息进行加工整合。本文对基于知识抽取的徽茶知识图谱的构建进行了深入研究,具体的工作内容如下。（1）本文首先对徽茶产业、知识图谱和知识抽取技术的研究现状进行了梳理和归纳。接着,总结了知识图谱构建技术和知识抽取技术中常用的预训练模型以及特征提取模型。然后使用Scrapy爬虫框架爬取了茶叶网站中徽茶相关的文本数据,并筛选了专家整理的书籍中徽茶的相关文本作为实验数据。（2）针对徽茶数据多源且复杂,传统的浅层序列标注模型在实体识别阶段获取上下文依赖信息能力弱的问题,本文提出了ATea-BTC（Anhui Tea-BERT-TENER-CRF）模型。首先使用BERT（Bidirectional Encoder Representation from Transformers）对数据集进行预训练,将字符转化为低维稠密向量;再将TENER（Transformer Encoder for NER）和CRF（Conditional Random Field）构建于BERT之上,通过TENER增强距离与方向感知的注意力,解决了常规方法难以区分上下文方向性的问题,在最大程度上提高边界识别的性能,达到良好的实体抽取效果。（3）针对徽茶数据涉及多个环节,实体间关系复杂且标注数据不足的问题,本文提出ATea-RPA（Anhui Tea-RLRE-PCNN-ATT）模型进行关系抽取。先使用RLRE（Reinforcement Learning for Relation Extraction）模型对句子进行降噪,再通过远程监督的PCNN（Piecewise Convolutional Neural Networks）模型来抽取关系,最后通过多示例注意力机制Attention捕捉更细化的语义特征,在最大程度上优化关系抽取的性能。（4）本文基于对实体识别和关系抽取的研究进行知识抽取,结合知识融合和知识存储的相关操作,完成对徽茶知识图谱的构建。为了满足不同人群的需要,搭建了基于知识图谱的徽茶知识问答平台。该平台可以协助茶农科学育茶,辅助茶企业做决策,帮助消费者选茶,弘扬徽茶文化。