随着互联网信息化程度的不断加深,信息检索己经成为人们获取知识最主要的途径。传统的搜索引擎大多基于关键词匹配,而在2012年,知识图谱的提出改变了传统的搜索引擎模式,搜索引擎可以智能化的“理解”用户输入的自然语言,并反馈最相关的知识给用户。虽然目前已有学者在诸多领域构建相应的知识图谱,但农业领域知识图谱构建较少,相关知识较为琐碎,且缺乏相应的标记故而没有形成有效的组织形式。因此,如何合理组织领域碎片化知识,建立领域知识库,提升检索效率,给相关领域用户提供高质量的服务成为目前急需解决的问题。针对以上问题,本文采用知识图谱和主题图相结合的形式组织领域知识,并利用标记分布学习有效缩减检索范围,能够有效地对碎片化农业知识进行组织,并达到良好的检索效果。本文的主要内容如下:(1)基于知识图谱的语义检索模型研究。分析知识图谱与主题图的优缺点以及相似之处,以开源知识图谱为数据来源,辅以农作物病虫害等数据库作为资源,将知识图谱和主题图相结合,采用Neo4j图数据库对农业知识图谱进行存储,并研究语义相似度、语义扩展等技术,实现知识图谱语义检索功能。(2)基于标记分布学习的知识导航模型研究。首先研究基于Kmeans的标记分布学习,将其应用到知识图谱语义检索模型中,并针对该模型的不足提出基于Baye-KM标记分布学习,聚类后利用概率统计的思想,避免产生输入所转化的空间向量稀疏的情况,能有效提升检索的召回率,从而使得检索的准确率和召回率均表现良好。(3)根据知识导航系统的需求,设计实现了基于标记分布学习的知识导航模型,并完成相应知识导航原型系统设计。