预训练模型驱动的猪病知识图谱构建与应用
DOI:
CSTR:
作者:
作者单位:

1.华中农业大学信息学院/农业农村部智慧养殖技术重点实验室/农业智能技术教育部工程研究中心/ 湖北省农业大数据工程技术研究中心;2.华中农业大学动物科学技术学院/农业动物遗传育种与繁殖教育部重点实验室/ 武汉市农业科学院;3.武汉市农业科学院;4.华中农业大学信息学院/农业农村部智慧养殖技术重点实验室/农业智能技术教育部工程研究中心/ 湖北省农业大数据工程技术研究中心/ 华中农业大学动物科学技术学院/农业动物遗传育种与繁殖教育部重点实验室

作者简介:

通讯作者:

中图分类号:

基金项目:

国家重点研发计划项目(2021YFD1300800),华中农业大学自主创新基金项目(2662023XXPY005)


Pre-trained Model-driven Construction and Application of a Swine Disease Knowledge Graph
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为打破猪群疾病对生猪养殖业的瓶颈制约,提升养殖人员对猪病的认知,缓解畜牧业医疗资源压力,构建面向猪病防治的垂直领域知识图谱及智能问答系统。为解决多源异构数据的描述冲突,研究依据兽医病理学建立领域本体,引入BERT语义相似度融合策略,构建专业标注语料库。针对兽医术语复合性强且长尾分布的特点,提出ERNIE-Bi-LSTM-CRF实体识别模型。命名实体识别试验及消融实验结果显示,ERNIE独特的实体级掩码机制能有效克服传统字级掩码对长难术语的语义割裂问题,其F1值达89.63%,显著优于Bi-LSTM+CRF及BERT等基线模型。基于此,集成Neo4j图数据库与意图识别技术开发了微信端问答机器人,实现了从自然语言提问到精准图谱知识检索的闭环服务,为提升畜牧业疾病防控智能化水平提供了有效范式。

    Abstract:

    To break the bottleneck constraints of swine diseases on the swine breeding industry, enhance breeders' understanding of these diseases, and alleviate the pressure on veterinary medical resources, a vertical-domain knowledge graph and an intelligent question-answering (Q&A) system oriented toward swine disease prevention and treatment were constructed. To resolve descriptive conflicts among multi-source heterogeneous data, a domain ontology was established based on veterinary pathology, and a pr

    参考文献
    相似文献
    引证文献
引用本文
分享
相关视频

文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2025-09-30
  • 最后修改日期:2026-05-07
  • 录用日期:2026-05-08
  • 在线发布日期:
  • 出版日期:
文章二维码