随着科技资源规模的指数型增长,现有的科技资源正面临着指标繁多、类别细分、难以完整覆盖、精确提炼等问题。将人工智能与科技领域相结合,借助于知识图谱实现科技资源的高精度画像具有广阔的应用前景和现实意义。基于科技大数据的特点进行跨媒体科技大数据的收集、处理与存储,跨媒体科技大数据知识图谱的构建研究,跨媒体科技大数据的动态精准画像研究,最终实现跨媒体科技大数据的知识图谱构建与动态精准画像系统。本文的工作如下:（1）在跨媒体科技大数据的收集、处理与存储方面,针对跨媒体科技大数据数据的特点,提出了一种获取非结构化和结构化数据方法。利用各大网络信息公开平台以及分布式爬虫工具进行数据的获取,同时构建相应的跨媒体科技大数据词库进行数据降噪与归一化处理,最后利用MySQL关系型数据库进行有效的数据存储。获取了“北京”、“上海”、“广州”等23个省共263725条原始政策数据。（2）在跨媒体科技大数据的知识图谱构建方面,基于现阶段知识图谱领域的研究现状以及跨媒体科技大数据文本数据自身特点,针对原始的非结构化的文本数据,从构建知识图谱的关键技术中提出了基于BERT-BLSTM-CRF的实体识别算法与基于BGRU-BATTENTION的实体关系抽取算法。利用命名实体识别与实体关系抽取这两个关键技术进行跨媒体科技大数据知识图谱的构建,在图形数据库Neo4j完成数据的存储和可视化分析。其中在命名实体识别方面,提出的基于BERT-BLSTM-CRF的实体识别算法相较当前同类竞争算法在跨媒体科技大数据数据集上的准确率提高了 3.69%左右。同时在实体关系抽取方面,提出的基于BGRU-BATTENTION的实体关系抽取算法相较同类竞争方法法在跨媒体科技大数据上的准确率提升了 2.65%左右。（3）在跨媒体科技大数据的动态精准画像方面,由于源数据的变化,提取需求的改进,以及信息的细化、丰富等原因,采用基于时间序列自动爬取新的数据来完成数据信息的叠加和图的扩展,并且基于传统的机器学习方法解决因数据递增带来的实体歧义,以保证大数据画像的精准度。基于时间维度,构建不同时间序列的跨媒体科技大数据精准画像,完成了时间维度的跨媒体科技大数据动态精准画像的构建。（4）设计并实现了跨媒体科技大数据的知识图谱构建与动态精准画像系统的构建工作。通过跨媒体科技大数据的收集、处理与存储模块,以及跨媒体科技大数据知识图谱的构建模块与跨媒体科技大数据的动态精准画像模块三个主要模块实现了针对跨媒体科技大数据的数据收集处理、知识图谱构建、动态精准画像等功能。设计了方便用户调用的算法接口和简洁明了的可视化交互界面,并对所提出的算法模型运行的结果进行全面展示。