随着互联网产业的发展,居民消费方式逐渐从线下消费转向线上消费,电商平台的商品数据及用户数据产生了规模化增长。女装商品是其中个性化、时尚潮流的代表,具有独特的商品特征与用户群体。知识图谱利用图结构对商品资源进行组织整理,将用户与商品建立联系,为后续商品推荐、知识推理的发展提供思考与意见。本文以电商领域的女装类商品作为研究对象,进行商品知识图谱的构建及应用研究,主要研究方法与内容如下。其一,本文利用文献分析法对知识图谱的研究现状进行梳理,确定了本文研究内容将围绕数据获取与预处理、信息抽取、知识融合三个重要模块展开。其二,构建商品知识图谱的模式层,对商品信息资源的实体与关系进行定义,采用信息转化的方式将半结构化商品详情信息转化为三元组,进行知识图谱的存储。其三,针对女装商品特征,设计了一套人工标注规范体系,采用BERT+Bi LSTM+CRF的深度学习模型,从非结构化的用户评论数据中进行商品特征、情感倾向的实体识别。其四,首先融合实体类别特征、依存句法结构特征,采用规则模板的方式进行关系抽取。然后采用Word2Vec构造实体词向量矩阵,利用余弦相似度计算实体相似度,完成实体融合。最后,将经过实体融合的实体构造成与的三元组结构,通过商品进行链接导入商品知识图谱中,实现商品知识图谱的应用扩充。结果表明,本文以女装商品为例,一方面,针对半结构化商品详情信息完成信息转换,构建商品知识图谱主体结构;另一方面,针对非结构化用户评论信息完成实体关系抽取、实体融合、知识图谱存储,其中实体识别的F1值达到85.61%。本文根据上述两个步骤,完成电商领域女装商品知识图谱的构建,并从信息检索与满意度评价两个角度展开商品知识图谱的应用探讨。