随着中国(上海)自由贸易试验区的设立与快速发展,区内企业的规模迅猛增长,增加了自贸区管理部门对区内企业的监管与服务难度。其现有平台内数据和信息不够丰富,无法很好地对企业进行综合监管与服务,因此亟需互联网大数据及相关技术来支持和加强对企业的综合监管与服务。随着互联网的快速发展,互联网上与企业相关的数据规模不断扩大,因此从海量的企业大数据中抽取关键信息有助于监管部门更好的对企业动态进行掌握。本文以上海自贸区的委托项目和实际需求为背景,从互联网企业相关大数据中抽取实体(人名、地名、企业名、日期)和关系(企业与企业、人与企业)这类关键信息,进一步构建企业知识图谱,并应用于自贸区的监管与服务中。本文主要的工作如下:(1)针对如何抽取人名、地名、企业名和日期实体关键信息,提出一种基于词典和深度学习的联合命名实体识别方法,该方法同时使用基于词典的正向最大匹配和基于深度学习的BiLSTM-CRF进行命名实体识别,通过对两种标注结果的对比选择得到最终的实体标注结果。此外,我们在实体标注对比时对企业名的简称和全称进行了对齐。(2)针对如何从实体间进行关系抽取,包括抽取企业与企业的关系,个人与企业的关系,提出基于深度学习的BiLSTM-BiGRUAttention模型对预定义关系进行抽取,该模型能充分考虑上下文信息,抓取关键特征,对实体间关系进行抽取。(3)在上述工作基础上,为更好结构化实体和关系信息,利用Neo4j图数据库构建企业知识图谱。在企业知识图谱构建完成后,利用已有的关系规则提出关系演变算法。最后将企业知识图谱部署应用到项目中,实现面向自贸区的应用。为验证本文提出的命名实体识别和关系抽取方法的有效性,通过实验进行了验证,都取得了不错的效果。进一步利用实体与关系成功构建了企业知识图谱并实际应用到自贸区管理部门的综合监管与服务中。