近年来,随着我国数字化经济的高速发展,各地的农产品销量逐年上升,网络上关于农产品的信息呈现爆炸式增长趋势。然而,由于农产品知识结构复杂、涉及面广,相关商家信息繁多,消费者常常在购买农产品时无法快速了解农产品相关知识并作出合适的购买抉择。针对该类问题,本文结合自然语言处理、深度学习等相关技术,设计并实现了农产品问答系统,旨在为消费者在农产品交易时候提供相应的农产品信息参考。论文主要工作如下:（1）农产品知识图谱构建。针对当前农产品信息数据高度分散、多源异构的现象,本文首先对某大型农产品批发市场的应用系统和某些农产品领域网站进行数据采集,并对数据进行清洗和处理。然后,根据数据内容与特征,利用Protégé工具对农产品本体层进行构建,对实体、实体间的关系和属性进行定义,明确知识抽取的边界。最后,对收集到的不同类型的数据进行知识抽取,并借助Neo4j图数据库对知识进行存储,实现知识图谱的可视化。（2）问答算法的设计与实现。针对当前问答系统常常对问题中的目标实体识别不准确与用户意图理解偏差的现象,本文将问答任务分为命名实体识别和关系属性映射。对于命名实体识别,本文将BERT预训练模型应用到该任务中,构建BERT-Bi LSTM-CRF组合模型并以其来识别问句中的目标实体,相比于传统三类模型,在F1值上分别提高了10.83%、3.93%、2.01%。对于关系属性映射,本文构建孪生BERT神经网络模型对用户的自然语言问题和关系属性进行语义相似度计算,识别用户问题的意图所在,相比于传统三类模型,在准确率上分别提高了19.4%、7.39%、0.95%。（3）农产品问答系统的设计与实现。针对当前市面上缺乏易于用户操作的农产品问答系统,本文基于前期对系统的需求分析,设计并实现了农产品问答系统。其主要功能为农产品知识问答和农产品百科浏览,为用户获取农产品相关知识节约了大量时间。最后,对系统进行功能测试,保证后期系统稳定正常运行。综上所述,本文围绕农产品知识图谱和智能问答展开研究分析,在构建农产品知识图谱的基础上,设计并实现了农产品问答系统。其可以精确、快速地回答用户关于农产品的问题,是对农产品数字化服务形式的一次大胆探索。