面向水产养殖领域的对虾知识图谱云平台设计与实现

针对互联网中存在的松散型、碎片化和难整合的水产养殖领域知识现状，将知识图谱应用于对虾养殖领域，面向多元异构数据源进行知识抽取，采用BI-LSTM-CRF模型进行命名实体识别、TextCNN模型进行关系识别、Neo4j数据库存储获取的知识数据，建立基于SpringBoot框架的对虾知识图谱云服务平台，将分散的对虾知识有效整合为一个规范化、标准化和系统化的知识库，并采用SparkMlib的朴素贝叶斯分类算法完成问题模板的匹配，实现基于知识图谱的对虾智能检索、智能推荐、智能问答和疾病辅助诊断等功能，为养殖户、企业和科研人员提供便捷、有效和系统化的对虾领域知识。

水产养殖行业中存在的“水、种、饵、混、轮、防、管、密”[1]八字真言，对应着养虾领域的关键技术要领。可见，养虾需要具备较全面和系统化的专业知识。当前，互联网虽然提供了对虾丰富的育苗技术、养殖模式、病害防治技术和加工技术等信息资源，但是这些知识来源广泛且分散，没有形成规范统一的知识，导致很多有效的养殖经验和先进养殖技术无法直接被有效共享和使用。

知识图谱作为一种知识管理技术，能有效重组海量信息数据并可根据用户需求提供多元化和个性化服务，可有效解知识的杂乱无章、零星无序和难以获取等问题。将知识图谱应用于对虾养殖领域，可对其相关知识数据进行知识抽取，将有效且完整度较高的知识进行知识融合，存储在图数据库Neo4j 中， 构建对虾知识图谱云服务平台，提供对虾知识的智能问答、智能检索、智能推荐和疾病辅助诊断与决策