军事条令条例是指导部队训练和作战的法规和指导性文件,旨在为各级指挥、作战及训练人员提供一种用来交流任务需求的共同语言和通用基准系统。能够体现一支军队作战的作战思想和行动规律。根据我们所查阅的资料,目前暂时还没有研究人员针对条令条例,采用智能实体抽取和关系发现的方式,辅助人工构建可推理可扩展的知识图谱。本文以构建美军《联合作战任务清单》(以下简称《任务清单》)知识图谱为例,通过构建本体模型,结合自然语言处理、知识表示等技术,展示构建军事知识图谱的方法和流程。对其中的实体和关系进行形式化地描述,使军事条令条例文本能被机器计算、理解和评价。为未来构建基于军事条令条例的智能问答和辅助决策系统打下技术基础。知识图谱构建涉及到自然语言处理、知识表示等众多技术领域。本论文的创新研究工作主要包括以下内容:(1)提出了军事条令条例知识图谱构建的技术框架军事条令条例涉及军事领域的大量知识,各类同的条令条例文本其内容、涉及领域、应用功能都不尽相同。本文根据军事条令条例内容和功能特点,对构建其相应知识图谱过程中涉及的技术进行框架性描述,并以构建《任务清单》知识图谱为案例,实例化展示该构建技术框架的可实践性和拓展性。(2)构建了《任务清单》的本体模型由于《任务清单》中涉及的知识分布广泛,描述方法多样,需要对其进行规范化处理。根据《任务清单》文本内对任务的描述和定义,以及结合知识图谱的应用背景,本文首先对联合任务做了形式化描述。依据任务描述的特点和文本所有实体和信息的特征,构建《任务清单》的本体模型,并将《任务清单》中所有的类和关系进行定义。(3)提出了一种基于多元信息改进的知识表示模型本文将实体的类型与关系之间的规则联系和实体语义关联度转化为先验分布,基于表示学习中的翻译模型将三元组中的实体和关系投射到向量空间中。并在本研究的数据集上进行链路预测实验,与其他基于转换的知识表示模型比较,本文的方法在小样本数据集上有更好的准确度。