石油工业的勘探、开发等过程中产生了大量研究报告。传统基于关系数据库的信息管理系统和基于关键词的信息检索系统不能有效地分析、组织和利用这些研究报告中的知识。知识图谱利用机器学习、自然语言处理、语义Web等技术,提取知识并构建知识库及其查询接口,能够有效地解决相关领域中知识查询和重用的问题。由于知识图谱的建立与领域知识密切相关,本文以油气勘探开发领域中的知识为主,在分析此领域研究报告基础上,研究构建此领域知识图谱的核心算法。本文主要对主题模型、命名实体识别、关系抽取中的核心算法进行研究。具体的研究内容如下:(1)针对油气勘探开发领域中主题数量难以确定、主题质量较低等问题,研究并实现了交互式主题模型,通过在训练过程中引入用户的监督,达到动态确定主题数量、提升主题质量的目的。此外,对其中交互操作的性能作了分析与讨论。(2)针对油气勘探开发领域中命名实体的特征,实现基于分布式词表示方法和神经网络的命名实体识别算法。同时,利用无标注数据对训练数据和词表示矩阵进行初始化,进一步提升命名实体识别的效率。(3)针对基于特征的关系表示方法中关键信息不突出、数据集线性不可分等问题,设计基于模式的向量。将其引入到远监督关系抽取中,提出基于模式的远监督关系抽取算法。实验结果表明,该算法能够有效地提升远监督关系抽取的精度。