知识的保存和利用是几千年人类文明得以延续的源泉。随着现代人工智能产业的发展,知识图谱的出现使得知识的保存和利用变得更加多样性。人工智能产业的兴起是建立在大量规则化数据、可依赖知识库的条件下,近年来,随着机器学习和深度学习技术在自然语言处理方向的发展,使得知识图谱的研究和应用取得很大的进展。利用结构化和非结构化文本数据构建知识图谱涉及到知识抽取、知识融合、知识存储等多种自然语言处理技术,本文在现有技术和算法的基础上,针对不同来源的金融数据进行整合,构建一种服务于金融行业领域的知识图谱。论文的主要研究内容如下:(1)研究如何构建金融知识图谱。采用Word2Vec和BERT词向量模型分别结合Bi LSTM-CRF构成知识抽取联合学习模型,在莱温斯坦编辑距离与词向量余弦距离的基础上提出一种基于编辑距离和余弦相结合的实体相似度计算方法(Leven-Cos Distance,LCD),从实体候选集中选出相似度top-n实体的实现知识的融合,知识存储采用Neo4j图数据库的方式存储,构建了金融企业信息知识图谱。(2)研究如何解析问答系统的问句语义。问句语义解析提出一种基于向量字典的Vector-Bi LSTM-CRF的实体识别模型和CNN的关系抽取模型识别问句中的实体,通过实体链接技术对问句中的实体进行消歧,最后通过Cypher查询问句中的实体关系进行知识库检索。(3)在(1)和(2)的基础上构建金融企业知识服务平台。利用python设计开发出了一套集知识图谱展示、智能问答、知识库更新、权限管理等功能的应用平台,完成整个系统的设计实现,包括系统需求分析、整体架构、详细设计方案、系统的实现、系统的测试。本文旨在通过金融企业信息构建一个金融领域的知识图谱,最终设计并完成一个基于知识图谱的企业信息服务平台。