知识图谱作为新知识工程的核心,已经成为人工智能在诸多领域应用的基础设施,受到学术界和工业界的广泛关注。近年来,知识图谱技术与各行业的深度融合已成为一个重要趋势,领域知识图谱作为知识图谱在特定领域的聚焦应运而生。本文针对领域知识图谱构建过程中涉及的知识建模、知识表示、知识获取等关键技术开展研究。本文分别基于非结构化的科技文献库和结构化的网络数据库,面向人工智能技术领域和航空不安全事件分析领域,通过构建面向文献的领域知识图谱以及面向航空安全领域的航空不安全事件知识图谱,对领域知识图谱构建过程中的方法进行改进和创新,并设计实现了一个领域知识图谱辅助构建系统。在领域知识图谱知识体系建模方面,针对传统自顶向下和自底向上的模式层构建方法难以适应领域知识专业性强、知识更新速度快等特点的问题,提出了一种上下混合模式的构建方法。该方法结合了自顶向下(为主)和自底向上(为辅)两种构建模式,分为四个步骤,分别为自顶向下的模式层设计、数据采集与信息抽取、自底向上的模式层优化和知识连接。在知识表示方面,针对趋势分析等时序性分析应用需求,提出了一种针对时间的四元组知识图谱知识表示结构,对三元组知识表示进行扩充,和时间实体一起表示为四元组模式,使领域知识图谱可以针对时序性问题直接进行回答。并通过对领域知识图谱进行应用,实现了相关知识的检索和推送功能。