随着科学出版物的数量在不断增加,理解一篇科学论文可能需要很长时间,这对人们可以阅读的论文数量提出了很大的挑战。随着近些年来人工智能技术的越来越被重视,知识图谱技术也经常被其他领域所使用,利用知识图谱中实体与实体之间的关联,通过图的剪枝,将知识图谱的图形知识结构转变成一个具有层次体系的树形结构,在树形结构上依靠统计科学知识挖掘隐藏信息,找到存在与树上的技术热点,通过这样可以帮助科研工作者,迅速了解某个专业领域相关的热点技术。本文针对上述问题,基于人工智能领域的论文摘要数据,构建了人工智能领域的知识图谱,研究了概念体系树形结构的生成方法,实现了在树形结构上发现技术热点节点的功能。主要工作如下:（1）通过爬虫技术爬取了人工智能领域相关论文摘要,并进行数据的处理。并在此数据基础上,应用了一个使用新的标注方法的基于预训练模型的端到端的联合实体关系抽取模型完成了实体识别和关系抽取两个任务。（2）接着对知识图谱中三元组缺失进行研究,使用知识表示的方法进行链接预测来补全三元组,针对知识图谱中的节点进行表示学习,进行了图谱补全的相关实验。（3）针对知识图谱图形结构过于复杂难以发现热点信息的问题研究了如何利用构建好的知识图谱上的信息生成一个具有良好层次结构的概念体系生成树。（4）针对概念体系生成树,依靠相应的分析指标,发现树形知识结构中的热点实体,找到当前的热点技术,完成热点发现功能。（5）最后,本文利用图数据库存储数据,在构建好的人工智能领域知识图谱的基础上,完成了实体关系识别、实体查询、关系检索、热点发现四个功能模块。通过此系统,用户可以更方便、更快捷、更全面的了解人工智能领域相关的信息。