随着我国水利信息技术的发展,水利领域中出现了越来越多的优秀系统,这些系统在近些年来积累了海量的水利领域相关数据,这些数据大多都储存在各自的系统之中,没有被充分的利用起来。知识图谱技术具有强大的语义处理和互联组织能力,可以有效的将这些积累的数据组织起来,充分挖掘数据价值,实现水利信息资源的高效利用。知识图谱可以认为是由本体与数据组成,对本体进行数据的填充即构成了知识图谱。本体的构建可以认为是知识图谱构建的基础,而知识图谱的数据部分则是知识图谱与现实世界产生映射的关键。传统的本体构造通过领域专家手工构造或者从文本中自动抽取构造,存在代价昂贵或准确性差的问题,近年来结合机器与人工的半自动本体构建方法备受关注,这种方法既利用了机器的运算能力,也保障了构建本体的准确性。而随着深度学习技术的发展,利用神经网络从文本数据中抽取实体的技术也越来越成熟,但是由于领域知识的专业性,在通用领域中表现良好的模型在垂直领域中可能会表现较差。基于上述背景,本文对水利领域现存数据进行了研究与分析,设计并实现了一种半自动迭代构造水利领域本体的方法。该方法利用水文学本体与水利领域专业辞典,使用自上而下与自下而上的方法完成水利领域本体构建。其中,自上而下的部分复用了部分水文学本体,在保证本体质量的前提下也为自下而上的本体构造提供了结构基础。自下而上的则是指从《水利大辞典》中提取概念与关系,然后迭代的将概念与关系等数据融入基础本体之中,既保证了本体的来源足够权威,也保证了本体构建的准确性。在拥有水利领域辞典的情况下,本文考虑使用词汇增强方式对神经网络模型进行识别效果的提升,以保证模型标注实体的准确性,最终构建了一个能够引入外部字典的神经网络模型。最终,将本体与数据结合,成功构造出水利领域知识图谱,并在此基础上设计实现了水利知识图谱的可视化编辑平台,该平台支持多种方式对知识图谱数据进行搜索,并且可以通过可视化的方式对知识图谱数据进行编辑。