保护物种多样性是全人类共同的课题,而植物资源是物种多样性的重要组成部分,然而由于人们在进行人类活动的时候,缺乏对植物资源的正确认识,而导致目前已经有许多植物面临着灭绝的风险,因此为了明确这些珍稀濒危植物的物种信息,比如形态特征、生存条件、濒危系数、保护措施等,需要选择用一种有效且便捷直观的方式对珍稀濒危植物知识进行组织和管理。互联网上充斥着大量的珍稀濒危植物信息,然而这些信息高度分散、真假难辨、版本不一,从而导致从事与植物资源相关的工作人员和专业人员很难快速通过信息检索从庞大并且繁琐冗余的信息中获取所需知识。基于知识图谱的问答系统的出现可以有效的解决这一问题,它满足用户可以使用自然语言与机器进行交流的可能,知识图谱以数据库的方式服务于知识问答,从而满足了人们无需输入太多专业词汇和关键词即可实现知识获取,这种人性化、友好的交互方式使得问答系统在通用领域和专业领域都得到了广泛的应用。基于这样的背景,本文的研究工作从以下三个方面展开。（1）珍稀濒危植物多样性本体:分析通过爬虫获得的珍稀濒危植物文本数据,以数据、百度百科、基础植物学知识等为辅助数据来源,通过参考和复用现存植物本体,从而构建本文的珍稀濒危植物多样性本体;（2）珍稀濒危植物知识图谱构建:针对目前缺少珍稀濒危植物知识图谱这一问题,基于珍稀濒危植物多样性本体构建知识图谱,根据本体制定训练数据标注规则,本文采用管道式知识抽取模型进行知识抽取,首先,采用ALBERT模型对训练数据进行预训练处理,然后将训练数据送到Bi LSTM-CRF中进行训练,实现对文本中的实体识别,然后通过Bi GRU-Attention模型对实体的关系进行预测,最终抽取文本数据中的三元组,从而实现自动获取大批量的珍稀濒危植物三元组,并且将实体和关系储存在图数据库Neo4j当中,实验结果表明这两个模型在两个任务中的准确率分别达到了95.72%和96.00%;（3）基于知识图谱的珍稀濒危植物自动问答:知识图谱作为高质量的数据库可以服务于自动问答,由于目前缺少珍稀濒危植物领域问答语料数据集,本文采取传统语义解析方式,选择AC多模式匹配算法实现问句中实体识别和问题分类,然后通过问题模板匹配将原始问句转化为Neo4j中可读的Cypher语句进行知识库检索,最终返回答案给用户,实现自动问答。文本在构建珍稀濒危植物本体的基础上,通过融合ALBERT的管道式知识抽取方法构建了珍稀濒危植物知识图谱,最终基于该知识图谱,采用AC算法实现了珍稀濒危植物自动问答。