基于知识图谱的玉米病虫害知识问答(一)

引言: 在农业生产过程中面临了很多的挑战，其中病虫害的问题一直是农业所重视的领域之一。随着科技的发展，农业领域需要更高效完善的智能问答系统。为此，最近我做了以下相关工作。

知识图谱的构建 一般而言，我们将图谱构建分为以下流程：知识建模、知识抽取、知识融合、知识存储、知识推理。我这里简单赘述一下，知识建模主要是从不同类型的多源数据中，构建生成领域知识体系。领域知识体系的构建是对领域分类、属性以及分类之间关系的定义。知识存储顾名思义，即是构建高效的存储。知识抽取从各种多源异构的数据源在获得有效的数据。知识融合这块主要任务是从碎片化以及异构知识之间发现管理，获得更完整的知识描述，实现知识的互联、互补和融合。最后是知识推理，这块主要基于已有知识推理发现未知的知识。
经过上述5个环节，垂直领域的知识图谱构建完成，在与真实业务场景相结合后，将实际助力企业在该领域取得实际的商业价值。

知识建模 首先我们从某网站通过爬虫获取到玉米语料库，并整理为如下形式。玉米铁甲为病虫害的名字，其下每一段为其属性。玉米语料库主要是分为病害与虫害两类，病害的关系为:症状、病原、传播途径和发病条件、防范方法。虫害的关系为:学名、寄主、危害特点、生活习性、形状特点、防治方法

在非结构化的文本中，可以发现仍然有很多很多信息。如上玉米铁甲分布广东、广西等。主要抽取了 别名、分布区域以及危害部位。

知识抽取 抽取主要是分为对半结构化数据、非结构化数据就行抽取。半结构化就基于规则进行抽取。非结构化数据基于依存句法的关系抽取，利用了哈工大PYLTP对其进行依存句法的分析。此外，我还尝试使用百度的DDparser,但是其效果没有PyLTP好，主要是由于LTP提供了语义角色标注，可以对三元组的抽取提供有效补充。 知识抽取的三元组如下形式。

知识融合 在实际开发过程中，通常会使用到多源异构的数据。首先发现实体在构建中产生了冲突和冗余，然而论文中并未提及该现象。为了解决冲突，进行了简单的知识融合，使用了Python中的Synonyms中文近义词工具包进行信息相似性判断，若计算得到相似性分数大于0.5视为同一实体，小于0.5为不同的实体。然后对其结果进行人工审查。 融合结束后，重新将知识存储在图数据库neo4j中。
融合后，对生成实体和关系之间的csv文件，参考之前文章。得到如下csv文件

这里我们用bin目录下面的neo4j-import方法，将其导入到neo4j中。可参考之前文章</>