随着信息时代发展,数据呈现爆炸性的增长。数据可视化的实现有助于从繁杂的信息中发现数据走向,是对数据的全局俯视,能实现对数据更加精准的把握。而且网络数据量庞大且易于获取,可以更好地满足知识图谱对数据源的需求。最大效益地利用好数据源,最大限度地提取信息并进行可视化,知识图谱是不二首选,引入知识图谱对构建实体关系研究平台有着重要作用。当今对于知识图谱的研究大多集中于知识图谱的关系提取、可视化技术等。研究的还是集中于存在关系,即实体之间关联关系,而对实体之间未关联关系的研究略显不足,本文从这方面着手进行知识图谱实体关系研究。根据之前积累的知识图谱理论研究以及实践,本文选取相关技术构建了一个完整的知识图谱技术方案,研究知识图谱中实体之间潜在的关联关系。首先,本文使用富关联抽取实体关系,即在上下文中,抽取多个实体,通过卷积神经网络以及注意力机制提取实体关系特征值,再进行匹配融合。然后根据得到的三元组关系进行无关联实体关系拓补,给出实体关系的空白集合。最后通过实体关系空白集合研究实体之间存在的潜在联系。本文信息存储工具选取了Neo4j图数据库作为信息存储工具,即对上下文句式中抽取到的实体间三元组关系进行存储。在系统中,用户可以在网页中输入相关问题或者语句,进行实体识别,系统根据用户的问题返回识别结果。本文在知网上选取相关学科文献数据进行实验,实验结果表明,本文设计并实现基于AttCNN模型的实体潜在关系知识图谱在识别实体方面有着较好的准确率和效率,能够显示出更多的实体关系信息,丰富并完善了知识图谱。