随着国家乡村振兴战略的提出,未来农业将逐渐趋于信息化。近年来,网络数据规模以指数级增长,但花椒种植知识仍主要以书籍的形式存在,使花椒种植从业人员难以利用互联网获得及时、专业的种植知识。为解决以上现实问题,帮助从事花椒种植人员快速获取专业的种植技术,本研究建立花椒种植知识图谱,并在知识图谱的基础上设计实现智能问答系统。目前我国花椒种植方面的智能问答服务尚未成熟,因此本研究对加快花椒种植产业信息化具有重要的意义。本文完成的主要工作如下:（1）花椒种植知识图谱构建方法研究。针对花椒种植领域缺乏专业知识图谱的问题,根据自顶向下的思想构建花椒种植知识图谱。针对传统知识图谱构建方式费时费力的问题,采用Bi-LSTM-CRF模型完成花椒种植命名实体识别,设计基于R-GCN的花椒种植实体关系分类模型,从而完成花椒种植三元组知识的自动抽取。结果表明,实体识别与LSTM-CRF模型模型相比,F1指标提高了11.43%;关系分类与GCN相比,F1指标提高了7.39%。（2）花椒种植知识图谱补全方法研究。针对知识图谱天生不完整的特性,提出一种基于嵌入表示和CNN的花椒种植知识图谱补全模型。该方法通过将三元组不同节点的信息互相融合,提高三元组的特征表达能力,并与原始三元组组成向量矩阵作为卷积神经网络的输入。实验结果表明,在数据集FB15K-237上较Conv E模型,MRR指标提升了6%,Hit@1指标提升了12.7%。（3）花椒种植智能问答方法研究。针对花椒种植问句篇幅较短,传统模型难以获取足够特征的问题,设计基于BERT-Bi-LSTM-CRF的花椒种植问句实体识别模型和基于BERT-CNN-Softmax的花椒种植问句意图理解模型。根据不同情况构建不同类型的Cypher查询语句完成答案查询。实验结果表明,较Bi-LSTM-CRF模型,问句实体识别F1值提高了3.4%;较Text RNN模型,问句分类F1值提高了8.08%。（4）基于知识图谱的花椒种植智能问答系统设计与实现。针对花椒种植从业人员难以利用互联网获得专业种植知识的问题,设计并实现基于知识图谱的花椒种植智能问答系统。系统基于B/S结构,以花椒种植知识图谱作为答案数据来源,利用花椒种植问句实体识别模型、问句意图理解模型和花椒种植知识图谱补全模型完成花椒种植智能问答和花椒种植知识图谱补全功能。方便用户获取专业的种植知识,极大地促进花椒种植产业的信息化发展。