伴随着时代的发展,人们接触到信息越来越多,这样使得提高信息的利用效率成为一个亟待解决的问题。知识图谱能够将领域内杂乱无章的知识进行统一存储,把没有关联的知识关联起来,提高知识的利用率。同时,基于知识图谱构建问答系统可以为用户提供良好的人机交互方式,让用户能够根据自己的问题精准的查询需要的答案。在现有军事领域我们积累了大量的结构化、半结构化、非结构化数据,这种大量的异构数据会将我们的时间与精力放在资料研读上,使得我们难以快速、精确的从中找到我们需要的数据。基于以上问题,提供高质量的军事信息服务变得尤为重要,因此本文开展了军事知识图谱的构建与问答相关研究,在军事领域研究了知识图谱的建立方法,基于现有军事领域的数据搭建了军事领域的知识图谱,采用了深度学习的技术实现基于军事知识图谱的问答相关技术,并开发了军事知识图谱构建和问答原型系统,并验证了系统的可用性与实用性,主要工作内容如下:1.研究了军事知识图谱的建立方法,并给出了一个军事知识图谱的建立方法,将结构化、半结构化、非结构化军事数据统一建模,并运用现有数据建立军事知识图谱,为后续实现问答系统提供基础数据支撑。2.研究了基于军事语境的答案生成技术,通过BERT-BiLSTM-CRF算法对问句中的军事实体进行命名实体识别,并采用实体链接算法将识别的实体与知识图谱中的实体关联,以达到更高的准确率。研究了一种基于注意力机制的双向LSTM机器阅读理解算法研究,建立了一个融合多注意力机制的机器阅读理解模型,相比于传统方法ROUGE-L提升了1.6%。3.基于上述构建的知识图谱和相关问答技术,设计和实现了军事领域的知识图谱构建和问答原型系统。