近年来,我国猕猴桃种植业发展迅速,根据联合国粮农组织2019年数据显示,其种植面积和年产量均已位于世界第1位。猕猴桃产量和质量受产地、气候、种植技术以及病虫害防治等因素的影响,但现有的猕猴桃种植管理知识都以传统数据库形式存储,信息查询时知识利用率低,且搜索引擎的方式无法根据用户问题给出准确的答案,用户体验效果差。而知识图谱以结构化形式对知识进行存储,能够将知识更好地关联,从而实现信息效用最大化,设计并实现基于知识图谱的猕猴桃种植知识问答系统可以为种植人员提供高效准确的问答服务。本研究主要工作和结果如下:（1）猕猴桃种植知识图谱构建。针对猕猴桃种植领域数据多源异构的特点,采用自顶向下的方式构建猕猴桃种植知识图谱,首先设计猕猴桃种植知识图谱的本体概念模式,然后根据模式层的本体规范将抽取的三元组事实加入到数据层知识库中;针对知识图谱构建过程中知识抽取方法复杂、准确率低以及知识补全困难等问题,采用实体关系联合抽取方法和基于TransR的知识补全方法,并构建了融合字词语义信息的猕猴桃种植实体识别模型,该模型以SoftLexicon为基础,通过MHA和Attention机制分别调整词权重和词集重要度进一步提高命名实体识别精确率。实验结果表明,本文构建的猕猴桃种植实体识别模型与SoftLexicon模型相比,F1值提高了1.58%,达到了91.91%,在ResumeNER公开数据集上F1值达到了96.17%;猕猴桃种植三元组抽取F1值为92.86%;基于TransR的知识补全方法Hit@3和Hit@10分别为90.40%和92.60%。（2）基于知识图谱的猕猴桃种植知识问答方法研究。针对用户自然语言问句结构复杂、表达形式多样和质量参差不齐的问题,提出基于启发式扩展的主题实体匹配方法和基于BERT的问句意图分类方法,对用户自然语言问句进行理解;针对用户自然语言问句难以正确链接到知识图谱中的问题,提出了基于BERT-CNN-Siamese的关系链链接方法,对用户问句与关系链进行链接;通过对关系链添加实体约束,进一步提高猕猴桃种植知识问答准确率。实验结果表明,主题实体匹配方法的精确率为91.32%,问句意图分类方法和关系链链接方法F1值分别为95.07%和95.48%,答案查询准确率为82.86%。（3）基于知识图谱的猕猴桃种植知识问答系统设计与实现。针对现有问答系统未基于知识图谱实现猕猴桃种植知识问答服务,研究基于知识图谱的猕猴桃种植知识问答系统设计与实现。本研究以猕猴桃种植知识图谱为数据基础,以Django和ECharts为开发框架和数据可视化工具,以基于知识图谱的猕猴桃种植知识问答方法为业务核心,搭建了基于知识图谱的猕猴桃种植知识问答系统,为种植人员提供猕猴桃种植知识问答服务平台,促进猕猴桃产业智能化发展。