知识图谱的知识数据表达能力是其最重要的评价指标之一,为了进一步扩展与延伸数据表达能力,本文提出知识图谱关系强度机制的定义与表示方法,提出关系强度,关系时序的概念,旨在提高实体间关系的数据化表达能力,为知识计算提供更多数据支持,并设计了基于句法依存分析Dependency Parsing的关系强度因子的提取流程,并在医疗领域进行了实际应用。社会进步的一个显著特征就是人们的知识保有量在不断提高,在众多评价社会进步的标准中,医疗健康知识是非常重要的一个。然而,医疗健康领域也遇到了许多棘手的问题:医疗支出过高,医疗基础设施更迭成本过于昂贵,医疗从业人员技术要求过高等等。在这个人工智能技术大放异彩的时代,医疗健康领域也迎来了新的生机,知识图谱的出现更是推动了医疗知识问答系统的快速发展。本文构建了一个中文的医疗知识图谱,并在该知识库的基础上实现了医疗知识问答系统,提出了从互联网站点知识数据构建医疗知识图谱的完整技术方案,透过自然语言处理的诸多相关技术,建立相关语言模型,从互联网站点中的半结构化数据中提取医疗知识,并实现医疗知识检索与问答。本文通过python脚本收集整理互联网站点中的医疗知识数据,经由数据预处理后,转化为结构化的知识数据。根据医疗知识特点设计了知识图谱的本体数据规范,并基于NEO4J图形数据库完成知识数据的导入工作,最终构建出医疗领域知识图谱;通过解析用户自然语言问句的特征空间,通过Text CNN模型完成问题意图识别,建立AC自动机,识别问句的基本类型,再由问题转写器将问句翻译为CYPHER查询语句,检索知识图谱并优选问题答案,完成医疗知识数据的检索与问答,已支持多种问题类型,并实现了多问题类型的同步识别;并实现了关系强度机制在医疗知识问答系统中的实际应用,由FLASK容器完成了人机交互前端,方便用户使用与操作。