(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210624917.3 (22)申请日 2022.06.02 (71)申请人 西北农林科技大 学 地址 712100 陕西省西安市杨凌示范区 邰 城路3号 (72)发明人 张宏鸣　聂啸林　牛当当　张礼麟　 黄铝文　蒲攀　朱珊娜　宋荣杰　 (74)专利代理 机构 西安恒泰知识产权代理事务 所 61216 专利代理师 王孝明 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/951(2019.01) G06F 16/901(2019.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/02(2012.01) (54)发明名称 一种葡萄种植知识图谱数据库的构建方法 (57)摘要 本发明提供了一种葡萄种植知识图谱数据 库的构建方法， 包括： 步骤S1， 设计知 识图谱数据 库顶级概念与概念之间的关系， 得到本体层； 步 骤S2， 构建葡萄文本数据集， 以BIO标注法标注7 类实体， 并提取字符部首， 获得标注的数据集； 步 骤S3， 将标注的数据集按照8:1:1划分为训练集、 验证集和测试集； 步骤S4， 将所述的训练集输入 到多特征融合高效知识抽取网络中进行训练， 获 得训练后的网络模型； 步骤S5， 将多源异构的葡 萄文本进行预处理后输入训练后的网络模型中， 得到格式化文本； 步骤S6， 在本体层的指导和约 束下， 将格式化文本组装成三元组， 即实体层； 步 骤S7， 将所述的三元组使用Neo4j图数据库进行 持久化保存。 本发明成本低， 知识完整度高且更 新维护便利。 权利要求书3页 说明书9页 附图4页 CN 114996474 A 2022.09.02 CN 114996474 A 1.一种葡萄种植知识图谱数据库的构建方法， 其特 征在于， 该 方法按照以下步骤进行： 步骤S1， 设计知识图谱数据库顶级概念与概念之间的关系， 得到 本体层； 步骤S1具体包括以下步骤： 步骤S101， 构建顶级概念与概念之间的关系； 步骤S102， 对顶级概念进行细化， 得到二级概念， 实现本体层的构建； 步骤S103， 将构建好的本体层存 储在“葡萄本体.o wl”文件中； 步骤S2， 构建葡萄文本数据集， 以BIO标注法标注7类实体， 并提取字符部首， 获得标注 的数据集； 所述的7类实体为品种名称、 地名、 虫害名称、 病害名称、 化学药品名称、 肥料名称以及 农技术语； 步骤S2具体包括以下步骤： 步骤S201， 从多个数据源爬取 数据， 爬取 数据存入“葡萄数据集.corpus ”； 步骤S202， 使用半自动化标注技术对 “葡萄数据集.corpus ”进行BIO标注， 将标记结果 存储在“葡萄数据集_BIO.corpus ”中； 步骤S203， 提取部首， 更新 “葡萄数据集_BIO.corpus ”， 获得标注的数据集； 步骤S3， 将标注的数据集按照8 :1:1划分为训练集、 验证集和 测试集； 步骤S4， 将所述的训练集输入到多特征融合高效知识抽取网络中进行训练， 获得训练 后的网络模型； 所述的多特 征融合高效知识抽取网络为改进的BERT+BiGRU+CRF网络； 所述的BERT为深度预训练语言模型； 所述的BiGRU为特 征提取模块； 所述的CRF为特 征解码模块； 所述的BERT+BiGRU+CRF网络的改进方法包括以下步骤： 步骤S401， BERT+BiGRU+CRF网络的原始输入为经过嵌入的字符向量集{h1， h2， h3， ...， hn}， 将部首 特征融入{h1， h2， h3， ...， hn}； 经过嵌入的字符向量hi为一句话S中的第i个字符映射成大小为120 *1的字符向量hi； 融入部首 特征的改进过程 为： 如式Ⅰ所示， 提取字符ci的部首di； hi＝hi*d_rate                式I； 式中， d_rate为系数； 如果部首di为“艹”、“疒”或“虫”， 则设置d_rate为1.05对hi进行更 新； 如果部首di为其它， 则设置d_rate为1.0对hi进行更新； 步骤S402， 对BERT+BiGRU+CRF网络架构中的特 征提取模块进行改进； 所述的改进方法为： 在 BERT后， 加入一个与BiGRU并列的残差模块； 所述残差模块由dropout层、 卷积层和ReLU函数组成； 步骤S5， 将多源异构的葡萄文本进行预处理后输入训练后的网络模型中， 得到格式化 文本； 所述的预处理为： 将原始 的多源异构的葡萄文本按照句号分割， 并提取句子中每个字 符的部首； 将每句话中每个字 符随机初始 化为120*1维的原始特征向量， 并按照步骤S401中 所述的方法进行 更新；权　利　要　求　书 1/3 页 2 CN 114996474 A 2所述的得到格式化文本的过程包括以下步骤： 步骤S501， 原始的多源异构的葡萄文本经过预处理后， 包含num_step个字符的句子变 为num_step*120维包含字符特征、 分词特征和部首特征的特征矩阵， 将其输入BERT中， 得到 num_step*768维的包 含全局字符依赖特 征的特征矩阵； 步骤S502， 将num_step*768维的包含全局字符依赖特征的特征矩阵分别输入到前向 GRU网络、 反向GRU网络和残差模块， 分别得到num_step*300维的具有前 向和后向字符依赖 特征的特征矩阵 num_step* 600维的具有全局字符依赖特 征的特征矩阵hRS； 步骤S503， 将步骤S5 02中得到的3个特 征矩阵融合； 具体的， 具有前向和后向字符依赖特征的特征矩阵 融合方式如式 Ⅱ， 融合后得到 与具有全局字符依赖特征的特征矩阵hRS的融合方式如式 Ⅲ； 最终得到特征 矩阵H； 步骤S504， 将特征矩阵H输入CRF， 得到原始输入句子的标注序列； 根据标注结果， 将其 格式整理为每行一个句子， 包括原 始输入文本、 实体起始位置、 实体终止位置和实体 类别； 步骤S6， 在本体层的指导和约束下， 将格式化文本组装成三元组， 即实体层； 步骤S7， 将所述的三元组使用Neo4j图数据库进行持久化保存， 实现葡萄种植知识图谱 数据库的构建。 2.如权利要求1所述的葡萄种植知识图谱数据库的构建方法， 其特征在于， 步骤S101 中， 所述的顶级概念包括： 葡萄品种概念、 葡萄产地概念、 葡萄虫害概念、 葡萄病害概念、 防 治葡萄病虫害化学 药品概念、 肥 料概念和农技 术语概念。 3.如权利要求1所述的葡萄种植知识图谱数据库的构建方法， 其特征在于， 步骤S101 中， 所述的概念之间的关系包括： 葡萄品种概念与 葡萄产地概念之间的产地关系， 葡萄品种 概念与葡萄病害概念之间的易感关系， 葡萄品种概念与肥料概念之间的施肥关系， 葡萄品 种概念与葡萄虫害概念之间的危害关系， 防治葡萄病 虫害化学药品概念与葡萄虫害概念、 葡萄病害概念之间的防控关系以及葡萄品种概念与农技 术语概念之间的操作关系。 4.如权利要求1所述的葡萄种植知识图谱数据库的构建方法， 其特征在于， 步骤S102 中， 所述的葡萄病害概念下包括侵染性病害和 生理性病害； 所述的防治葡萄病虫害化学药 品概念下包括虫害防控农药和病害防控农药； 所述的农技术语概念包括苗木繁育技术、 树 体管理、 高产葡萄园的建立、 采收包装与储运、 土肥水管理和保护地栽培； 所述的葡萄品种 概念包括鲜食品种、 砧木品种和酿酒、 制汁品种。 5.如权利要求1所述的葡萄种植知识图谱数据库的构建方法， 其特征在于， 步骤S201 中， 所述的多个数据源 包括已发表公开 论文摘要和百 科类网站。 6.如权利要求1所述的葡萄种植知识图谱数据库的构建方法， 其特征在于， 步骤S202 中， 所述的BIO标注法为， a类实体的第一个字符标记为B ‑a， 中间字符或结尾字符标记为I ‑ a， 其它无关字符标记为O。 7.如权利要求1所述的葡萄种植知识图谱数据库的构建方法， 其特征在于， 步骤S203权　利　要　求　书 2/3 页 3 CN 114996474 A 3