百度指数发布的《中国网民科普需求搜索行为报告》表示人们最关注“健康与医疗”科普主题,但是目前大部分有关医疗的语义搜索、查询理解和自动问答都需要依赖于其背景知识图谱,才能很好的帮助用户快速地从海量非结构化文本中获取到感兴趣或者切合需求的知识。因此本文针对中文医疗知识图谱的半自动化构建进行研究,希望找到有效的构建中文医疗知识图谱的方法,构建领域知识图谱,解决上层应用依赖底层知识的问题,从知识层面上为用户提供有效的、较完备的以及可靠的医疗领域信息。本文研究成果主要包括:1.针对医疗领域网站中实体属性关系往往分布在不同的页面的特点,本文提出了一种面向实体属性分离存储的自动化关系抽取系统。本系统不仅可以完成分离存储的实体与属性关系抽取,还能够兼容常规的单页面级别的关系抽取,可以作为初步医疗数据收集和处理平台。实验结果表明,该方法有很高的准确率。2.针对实体的属性关系描述数据包含非结构化文本问题,提出基于卷积神经网络的弱监督关系抽取方法实现实体对关系的进一步挖掘,完成知识图谱的知识补充。主要方法是将实体的描述数据转换成句子级别的实体描述,使用弱监督方法生成包含该实体及其属性关系对应实体的正样本训练数据,基于卷积神经网络方法进行关系分类,达到关系抽取的目的。实验结果表明,该方法有很高的准确率。3.设计和实现了中文医疗知识图谱半自动化构建的系统架构,并提供可视化的医疗信息查询和展示页面。