在软件需求分析过程中,数据库设计领域的实体关系图能够直观地展示需求描述的实体属性与关系,有利于系统数据库建模和分析。然而,人工设计与绘制实体关系图存在耗时长、效率低的缺点。因此,实现从数据库需求文本生成实体关系图的自动化流程,具有重要的研究意义和应用价值。现有的需求文本生成实体关系图方法存在两个问题:一是缺少合理的分类方法来筛选出与图元素相关的关键内容语句,而无关语句可能会引入误差内容;二是现有研究方法通过启发式规则识别图元素,依赖分词和词性标注结果,因而存在规则限制和误差传递的问题,且其生成结果的规范性依赖人工检验。本文研究工作包括:（1）提出一种基于上下文实体特征融合的文本分类方法。需求文档中只有部分语句与实体关系图生成相关,本文对实体关系图元素的需求文本映射关系进行建模,通过数据增强提升模型训练效果,并将上下文实体特征融合输入序列中进行需求文本分类,从而提高实体关系图自动生成的准确性。本文使用数据库书籍和网络公开的需求文档数据集进行对比实验。实验结果表明,使用该方法进行需求文档文本分类后,实体关系图自动生成结果的准确率平均提高了4.9%。（2）提出一种基于句法分析和本体推理的实体关系图元素提取方法。针对现有实体关系图生成研究中存在规则限制这一问题,本文将实体关系图元素识别任务建模为实体关系三元组识别问题,使用深度学习模型识别实体和属性元素,结合句法分析进行关系抽取,替代现有研究中使用启发式规则提取图元素的方法。此外,本研究在实体关系图自动生成过程中引入本体推理技术,设计了基于实体关系图元素本体的规则推理方法,对识别的图元素及其结构进行问题检验和纠正。在相同需求文本上的实验结果显示,本文提出的图元素提取方法在精确率和召回率指标上的表现优于最新的实体关系图生成方法。基于上述研究,本文实现了一种实体关系图自动生成工具。需求分析人员可以利用该工具快速自动生成实体关系图,并结合业务理解对生成结果进行调整,从而提高设计效率,节约时间成本。本文通过实际的企业需求文档展示该工具的应用效果,证明了该工具对数据库需求分析有一定的应用价值。