知识图谱作为人工智能领域一种新兴的研究方向,有着知识管理与语义集成等诸多实用功能,近些年来备受人们的关注。与此同时,我国的铁路事业飞速发展,不断取得全球瞩目的辉煌成就。伴随着祖国铁路事业的蒸蒸日上,也诞生了海量的铁路知识,这些铁路知识急需一种有效的管理方式,而用知识图谱进行铁路知识的整合管理在目前来看无疑是一种非常好的选择。于是,本文便以铁路领域为背景,研究构建铁路领域知识图谱。本文的研究重点在于铁路领域知识图谱的构建,其中包括铁路知识的获取、铁路知识三元组的处理以及铁路领域知识图谱的实现,完成的研究工作如下:(1)在铁路知识获取工作中,对于非结构化数据,本文探究使用Bi LSTM-CRF模型进行了铁路知识实体获取;对于隐藏在半结构化文本中的铁路知识实体属性和属性值,本文构建了一种基于Python语言的网络信息包装器来进行获取;最后本文通过依存句法分析的方法获取到了铁路知识实体之间的关系。(2)在铁路知识三元组处理工作中,本文提出了一种递进式铁路知识三元组处理方法。此方法由三种方法组成并层层递进:基于铁路知识三元组正则表达式处理、依据铁路知识三元组相似度处理以及人工铁路知识三元组处理。第一种方法主要针对利用网络信息包装器获取的属性三元组,将其进行二次除噪;第二种方法使得铁路知识三元组可进行自动链接;第三种方法用于人工校对,确保该方法的正确率,提高所构建知识图谱的质量。(3)在铁路领域知识图谱实现工作中,本文利用了Protégé对铁路领域知识图谱进行了建立与可视化实现。本文使用Protégé对部分铁路知识属性和关系进行了限定,并展示了铁路领域知识图谱整体与每一部分的可视化效果。通过建立的铁路领域知识图谱,可以看到铁路知识之间的联系,最后实现了铁路知识查询功能。