小麦作为我国的主要粮食作物,种植面积大,经济效益高,病虫害的发生将直接影响到小麦的高品质高质量,造成一定的经济损失。本文根据小麦病虫害领域数据多源异构的特点,利用知识图谱组织小麦病虫害领域知识,采用深度学习模型分析自然语言问句信息,设计并实现了基于知识图谱的小麦病虫害问答系统。本文的主要研究工作如下:（1）构建了小麦病虫害知识图谱。本文通过对小麦病虫害领域的数据进行分析,自上而下构建了小麦病虫害知识图谱。首先定义了小麦病虫害的10类实体和8种实体之间的关系,设计了小麦病虫害知识图谱的概念模式。本文采用BIOES对数据进行序列标注,提出了基于Bi LSTM-CRF的方法识别小麦病虫害实体信息。通过调节实验参数,Bi LSTM-CRF模型的F1值达到了88%,在小麦病虫害实体识别上的效果较好。最后根据实体标签结果抽取了小麦病虫害三元组数据,使用Neo4j图数据库对小麦病虫害数据进行存储和展示。（2）提出了基于BERT的小麦病虫害问答方法。由于目前暂时没有公开的小麦病虫害的高质量问句文本数据集,所以本文通过手工构建了小麦病虫害问句集。根据小麦病虫害知识图谱的概念模式,定义了8类小麦病虫害问句类别。基于BERT预训练语言模型对小麦病虫害问句进行了问句意图分类,实验表明使用BERT模型的问句分类的准确性达到了97%。针对小麦病虫害问句实体识别问题,采用Bi LSTM-CRF模型识别问句中的实体,F1值达到了95.86%。最后通过小麦病虫害问句实体和问句类别构成问句三元组,使用Cypher语句在小麦病虫害知识图谱中查询用户提出的问题,并将其转化为自然语言的形式呈现给用户。（3）开发了基于知识图谱的小麦病虫害问答系统。本文的问答系统主要是以存储在Neo4j图数据库中的小麦病虫害知识图谱作为数据来源,使用深度学习模型实现小麦病虫害的知识问答功能,对小麦病虫害防治有重要指导意义。