近年来,随着高校扩招和人才培养质量的不断提升,社会上高学历人才存量呈快速增长态势。但是,许多企事业单位仍要面对难以找到合适员工的难题,究其原因,一方面是因为这些单位所仰赖的传统招聘方式获取信息的形式往往是被动的,即需要人才主动投递简历才会获取具体信息;另一方面是因为这些单位所依赖的传统招聘方式对人才地评估比较片面,缺少其他相关求职人员信息的关联和融合。与此同时,在互联网技术与计算机技术发展的共同引导下,人才相关信息的获取成本也大大降低。因此,以计算机技术和数据挖掘技术为基础,构建大规模人才知识图谱以帮助企业和政府主动、准确地匹配人才,势在必行。为此本文将中文简历作为人才知识图谱构建的主要数据来源,利用多种方法对其关键信息进行提取,并构建人才知识图谱。本文主要工作包括以下内容:（1）描述了人才知识图谱的研究背景,阐明了当前企事业单位招聘主要难点,说明了本文研究目的及意义。以命名实体识别技术为重点,知识图谱应用技术为扩展,详细介绍了当前知识图谱构建框架的研究现状,为开展后续工作做好充分的理论准备。（2）对简历文本内容特征和结构特征进行了充分的分析。本文通过对大量简历的浏览,总结出了半结构化简历文本具体结构性与异构性的表现。并以结构性为出发点,定义了简历标题的层级关系;以异构性为准则,结合主观经验与算法的方式构建了简历标题词典。（3）基于词典与规则的方式对简历文本命名实体进行了初步标注。本文依据简历文本结构性特征,利用“夹逼”模式与正则表达式对简历文本中的命名实体信息进行了初步识别与标注。（4）基于神经网络与概率图模型的方式对简历文本命名实体识别进行了精确识别。本文在介绍相关模型基本原理后,利用基于词典与规则方式获取的标注数据训练了多个有监督模型,如条件随机场模型、双向长短期记忆模型等,在实验对各模型结果按字符粒度进行评估比较的同时,验证了迁移学习在半结构化场景的可行性,最终以条件随机场与长短期记忆网络相结合的模型进行了实体信息抽取。（5）结合简历实体信息抽取结果与简历文本结构性构建人才知识图谱。本文首先介绍了图数据库的优势和特点,以及人才知识图谱相关应用场景。并从简历实体信息抽取结果为基础,以知识图谱设计原则为指导,以业务需求为目的,设计并构建了人才知识图谱。