学术知识图谱可以应用于科学语义检索、文献推荐和学术知识问答等场景。本文采取自底向上的方式构建了学术知识图谱SchKG(Scholar Knowledge Graph),SchKG结构上是一种异构网络,节点表示文献、作者、关键词短语等多种类型的实体,边表示实体之间的关系。学术知识图谱的构建需要解决信息抽取、作者消歧、指代消解等问题,本文侧重逻辑架构设计、学术信息抽取和学术知识推理。首先设计图谱的逻辑架构,从公开的文献数据集中抽取学术信息形成基本图谱,然后通过学术知识推理丰富图谱内容。具体工作总结如下:(1)SchKG逻辑架构设计:SchKG逻辑架构包括模式层和数据层。模式层位于数据层之上,通过定义图谱中的学术实体和关系类别等学术概念以规范图谱中的数据;数据层利用原生多模型数据库ArangoDB存储学术知识图谱,设计了多顶点多节点集合的存储模式。(2)学术信息抽取:本文图谱的主要内容来自学术信息抽取,抽取工作包括两个部分。利用反序列化和规则从半结构化的文献元数据中抽取文献、作者、摘要等基本学术信息;基于BiLSTM-BiLSTM-CRF模型从非结构化的文献摘要中抽取关键词短语以表达文献主题内容。(3)学术知识推理:本文通过学术知识推理扩展图谱。采用逻辑规则推理作者协同写作关系;采用机器学习方法推理文献相似和作者研究领域相似关系,首先,通过在线隐狄利克雷分布Online LDA(Online latent Dirchlet allocation)生成文献主题分布和TransH模型表示图谱中的实体及关系,然后,基于文献主题分布及实体表示推理文献相似关系,基于作者实体表示和文献相似关系推理作者研究领域相似关系。(4)系统的设计实现与性能测试:首先设计系统架构,整个系统划分为学术知识存储模块、学术信息抽取模块及学术知识推理模块,然后实施对比实验,实验验证了系统关键词短语抽取、学术知识推理及查询性能的优异,最后是图谱可视化和查询展示。