农业病虫害一直是影响我国农业丰收和粮食安全的重要因素。随着我国农业信息化的发展,各类农技服务网站在向农民提供服务的过程中产生了大量病虫害介绍和防治相关的文本数据,其中包含了广大农民遇到的各类生产问题和经验办法,对这些数据进行挖掘和利用具有很高的应用价值。本文以番茄病虫害领域为例开展知识抽取研究,主要包含语料库构建、实体识别和关系抽取等内容,具体工作如下:（1）番茄病虫害领域的语料库构建。首先以期刊文献、电子书籍和网络文本为数据源,获取了番茄病虫害领域的文本语料,并梳理了番茄病虫害领域常见的实体类别和关系类别,给出了实体识别任务和关系抽取两个任务的分类体系和定义。其次,通过Jieba工具对数据进行了分词、数据标注等与处理工作,制定了了数据标注规则和检验方法,在团队成员协助下完成了完语料库的构建,为后续研究奠定了基础。（2）基于领域预训练BERT的命名实体识别方法。本文采用预训练BERT模型在获取的番茄病虫害文本语料库上进行领域深度预训练,结合当下主流的Bi LSTM-CRF模型进行实体识别。除此之外,根据错误的测试用例设计了番茄病虫害领域的实体边界约束的正则表达式。实验证明,经过领域预训练形成的字向量可以有效提升实体识别的F1值,在实体识别的基础上利用规则约束边界可以进一步提升模型识别效果。（3）基于远程监督和注意力机制的关系抽取方法。首先基于Tbd BERT模型进行文本序列编码,将实体信息和编码一起进行平均最大池化,利用注意力机制增强关键词和语义信息的权重。通过实验分析,CNN网络在远程监督的关系抽取的效果最好,领域知识预训练、实体位置信息、注意力机制和平均最大池化操作均对实体关系抽取效果有不同程度的提升。（4）构建了基于Neo4j的番茄病虫害知识抽取系统,完成了实体识别和关系抽取、实体词入库和实体关系检索和可视化等功能。