随着近年来中国互联网经济迅猛的发展,各行各业千变万化。互联网技术和实体行业的结合也衍生出了许多新兴行业,这些创新和融合给人们的生活带来了千变万化,其中外卖就是典型的例子。外卖餐饮行业通过互联网点餐极大方便了人们的生活,如今都市生活的节奏越来越快,白领们平时忙于工作,外卖能够完美帮助他们解决就餐的问题。随着这几年网购的兴起,互联网电商模式的日渐成熟,慢慢地将外卖搬到线上运营,目前已经有10多年的历史。外卖行业也日趋成熟。作为外卖平台,积累了数百万的商家和数亿用户,涉及到了商品,消费者,商家,物流,配送等等。如何将这些信息做好归类,清洗完整,基于这些数据做一些挖掘,为已有的消费者或者商家提供更让他们满意的服务,甚至可以挖掘出潜在的消费者或者已有用户的消费需求。那么基于外卖平台的数据,构建出外卖餐饮行业的知识图谱显得尤为重要。目前国内外卖平台市场份额主要集中在美团和阿里,由于外卖行业发展时间较短,行业内也很少有外卖餐饮行业的知识图谱。那么本文主要介绍在知识图谱如何构造,针对构造知识图谱,主要使用BERT-CRF对菜品,口味,烹饪方式等实体识别,针对套餐主要使用了双向LSTM加CRF的命名实体识别和关系抽取,基于菜品属性利用注意力进一步挖掘了决策属性。基于挖掘的数据又将菜品知识图谱系统化。利用工程的能力将知识图谱系统落地。本文也会除了在使用的算法上做一些详细的介绍之外,还会介绍如何工程化,在工程化的过程中对存储的选型等,基于工程化的知识图谱系统,提供了哪些服务和能力。相信对从0到1建设知识图谱有一定的借鉴意义。