Construction of Knowledge Graph of Wheat Varieties and Pest Control

doi:10.11923/j.issn.2095-4050.cjas2024-0162

Abstract

Abstract:

The paper aims to address the issues of wheat variety selection and corresponding pest and disease control in different regions. Firstly, a data corpus with 3481 wheat variety data and 312 pest data was constructed. According to the characteristics of the corpus, the knowledge system model layer of wheat variety and pest control was defined in a fine grained manner. Secondly, the comparative advantages of Bert and Word2vec word - embedding models on small and medium-sized datasets were verified on public datasets and constructed datasets respectively, and then the attribute knowledge of wheat varieties and pests was extracted by using models suitable for each scale datasets. The experimental results showed that the F₁ value of Bert-BiLSTM-CRF model was 0.1499 higher than that of Word2vec-BiLSTM-CRF model in breed datasets. Word2vec-BiLSTM-CRF model was superior to Bert-BiLSTM-CRF model in pest datasets.

Key words: knowledge extraction, knowledge graph, pattern layer, wheat pests and diseases, wheat corpus, Bert-BiLSTM-CRF model, word - embedding model

ZHAO Xiang, YANG Wanxia, YANG Jun, XIN Chen, LI Qi. Construction of Knowledge Graph of Wheat Varieties and Pest Control[J]. Journal of Agriculture, 2025, 15(12): 19-26.

Figures/Tables 12

References 16

[1]	高锐涛, 林达伟, 郭亮, 等. 基于知识图谱的水稻种植智能问答系统设计与实现[J]. 计算机工程, 2024, 50(12):133-141. doi: 10.19678/j.issn.1000-3428.0068464
[2]	胡慧慧, 赵雪芹. 基于本体的桥梁文化遗产档案知识图谱构建研究[J]. 山西档案, 2023(6):42-57.
[3]	吴牧然. 面向网络漏洞安全的本体构建及应用[D]. 南京: 南京邮电大学, 2023.
[4]	刘桂锋, 杨倩, 刘琼. 农业科学数据集的本体构建与可视化研究——以“棉花病害防治”领域为例[J]. 情报杂志, 2022, 41(9):143-149.
[5]	王艺, 王英, 原野, 等. 基于语义本体的柑橘肥水管理决策支持系统[J]. 农业工程学报, 2014, 30(9):93-101.
[6]	CHO K, MERRIENBOER B V, GULCEHRE C, et al. Learning phrase representations using RNN encoder-decoder for statistical machine translation[A]. Conference on empirical methods in natural language processing[C]. 2014.
[7]	YU Y, WANG Y, MU J, et al. Chinese mineral named entity recognition based on BERT model[J]. Expert systems with applications, 2022(11): 117727.1-117727.9.
[8]	GUO X, ZHOU H, SU J, et al. Chinese agricultural diseases and pests named entity recognition with multi-scale local context features and self-attention mechanism[J]. Computers and electronics in agriculture, 2020,179.
[9]	宋林鹏, 刘世洪, 王翠. 基于词向量+BiLSTM+CRF的农业技术需求文本实体提取[J]. 江苏农业科学, 2021, 49(5):186-193.
[10]	QIAO B, ZOU Z, HUANG Y, et al. A joint mode for entity and relation extraction based on BERT[J]. Neural computing and applications, 2022, 34:3471-3481 doi: 10.1007/s00521-021-05815-z
[11]	赵泽行, 吴晓鹏, 王怡馨, 等. 基于知识图谱的农作物病虫害问答系统研究[J]. 智能化农业装备学报(中英文), 2024, 5(4):39-50. doi: 10.12398/j.issn.2096-7217.2024.04.003
[12]	陈素清, 武浩, 王超凡. 基于Citespace知识图谱的农业知识语义智能检索方法[J]. 信息技术与信息化, 2024(8):212-215.
[13]	陈雷, 周娜, 朱芃璇, 等. 农业知识图谱构建数据集[J]. 农业大数据学报, 2024, 6(1):1-8. doi: 10.19788/j.issn.2096-6369.100002
[14]	唐闻涛, 胡泽林. 农业知识图谱研究综述[J]. 计算机工程与应用, 2024, 60(2):63-76. doi: 10.3778/j.issn.1002-8331.2305-0203
[15]	苗正旺. 农业病虫害领域知识图谱构建及知识抽取方法研究[D]. 长春: 吉林农业大学, 2023.
[16]	张永爽. 基于知识图谱的功能小麦品种推荐技术研究[D]. 郑州: 河南农业大学, 2024.

属性	属性值实例	<实体，属性，属性值>
病害名称	小麦全蚀病	<病害，病害名称，小麦全蚀病>
虫害名称	小麦吸浆虫	<虫害，虫害名称，小麦吸浆虫>
别称	小麦立枯病	<小麦全蚀病，别称，小麦立枯病>
为害部位	心叶；根部	<小麦全蚀病，为害部位，心叶>
表现症状	内卷；早枯发黄	<小麦全蚀病，表现症状，内卷>
品种名称	金麦106	<品种，品种名称，金麦106>
品种属性	半冬性品种	<金麦106，品种属性，半冬性品种>
种植密度	18万~20万基本苗/亩	<金麦106，种植密度，18万~20万基本苗/亩>
播种期	10月10—25日	<金麦106，播种期，10月10—25日>
分布	淮河以北半冬性麦区	<金麦106，分布，淮河以北半冬性麦区>

属性	属性值实例	<实体，属性，属性值>
病害名称	小麦全蚀病	<病害，病害名称，小麦全蚀病>
虫害名称	小麦吸浆虫	<虫害，虫害名称，小麦吸浆虫>
别称	小麦立枯病	<小麦全蚀病，别称，小麦立枯病>
为害部位	心叶；根部	<小麦全蚀病，为害部位，心叶>
表现症状	内卷；早枯发黄	<小麦全蚀病，表现症状，内卷>
品种名称	金麦106	<品种，品种名称，金麦106>
品种属性	半冬性品种	<金麦106，品种属性，半冬性品种>
种植密度	18万~20万基本苗/亩	<金麦106，种植密度，18万~20万基本苗/亩>
播种期	10月10—25日	<金麦106，播种期，10月10—25日>
分布	淮河以北半冬性麦区	<金麦106，分布，淮河以北半冬性麦区>

实验环境	环境信息
操作系统	Linux/Windows
CPU	AMD Ryzen7 4700U
GPU	NVIDIA GEFORCE GTX 1080Ti
Python	3.9
Pytorch	1.8.1
Cuda	12.2

实验环境	环境信息
操作系统	Linux/Windows
CPU	AMD Ryzen7 4700U
GPU	NVIDIA GEFORCE GTX 1080Ti
Python	3.9
Pytorch	1.8.1
Cuda	12.2

模型	P	R	F₁
BiLSTM-CRF	0.7389	0.7618	0.7189
Bert-BiLSTM-CRF	0.9448	0.9567	0.9367
Bert-CRF	0.9208	0.9296	0.9127
TENER	0.7865	0.7753	0.7618
Word2vec-BiLSTM-CRF	0.7789	0.8102	0.7537