基于知识图谱的茶饮植物智能问答系统研究.pdfVIP

摘要

中国拥有着丰富的茶饮植物资源，茶饮在各年龄层的消费群体中都颇受欢迎。

近年来，得益于国家政策的有力支持和积极的市场环境，茶饮料行业呈现出蓬勃的

发展势头，众多创新产品不断涌现，进一步推动了市场的持续增长。在健康意识提

升和产品多样化需求的驱动下，茶饮行业的未来发展前景广阔。尽管如此，对于茶

饮的关键原料——茶饮植物的研究还不够充分。

为了更好地提供茶饮植物知识服务，本文通过构建一个知识图谱和智能问答系

统，集成了茶饮植物的形态特征、生态分布、化学成分以及健康功效等关键信息，

为茶饮行业的科研和产品创新提供了参考。此外，该系统也可作为教育和宣传的工

具，提高公众对于茶饮植物及其健康益处的认知，从而助力整个茶饮产业的持续健

康发展。本文的主要工作如下：

（1）构建茶饮植物知识图谱。通过文献调研和领域专家访谈，成功确立了一份

用于制作茶饮的植物清单。利用OCR技术，从3部权威出版物中提取了关于植物

性味、归经和功效的详细信息；同时，借助爬虫技术，从3个专业数据库中搜集了

植物的形态特征、俗名、生态分布和所含化学成分的相关信息。通过知识抽取和融

合处理，本研究确定了8种实体类型和15种实体间的关系。最终，将实体及其相

互关系导入到Neo4j数据库中，完成茶饮植物知识图谱的构建。

（2）实现茶饮植物智能问答系统核心功能。首先应用AC自动机成功实现了

对问句中实体的识别。接下来编制了一套问句语料库，并在此基础上针对TextCNN、

TextRNN、TextRCNN以及FastText模型进行了对比分析，验证了FastText模型在

处理本数据集时的高性能。最后构建了cypher查询语句，并根据问句类型设置了自

然语言回答模版，确保用户能够获得直观的信息反馈。

（3）开发茶饮植物智能问答系统。系统开发采用了前后端分离的架构，后端选

用了基于Flask框架的Python语言，而前端则选择了Vue框架。为了评估系统的性

能，除进行了系统功能测试和系统性能测试之外，本文还设计了针对13个不同问

句类别的测试，每个类别下准备了5个提问实例，分别以这些实例向6个国内外流

行的大语言模型产品以及本系统提出问题。测试结果显示，尽管大语言模型问答系

统展现出了卓越的自然语言处理能力，但在涉及到专业性较强的茶饮植物领域时，

这些系统在答案的专业性和准确性上表现不足。此外，虽然本系统在茶饮植物的知

识查询中显示了其优势，但是在创造性回答、适应性以及泛化能力方面仍有较大的

I

改进空间。因此，未来的工作将考虑如何借鉴和集成大模型的优点，以进一步增强

系统的性能和用户体验。

关键词：茶饮植物；知识图谱；问答系统；FastText

II

Abstract

Chinaisrichinteaplantsandteaispopularamongconsumersofallages.Recently,

thankstostrongsupportfromnationalpoliciesandapositivemarketenvironment,thetea

beverageindustryhasseenrobustgrowth,drivenbytheemergenceofnumerous

innovativeproductsthathavefurtherpropelledmarketexpansion.Drivenbyincreased

healthawarenessandthedemandforproductdiversification,thefuturedevelopment

prospectsoftheteabeverageindustryarebroad.However,researchonteaplants,thekey

rawmaterialforteabeverages,remain