随着人工智能行业的迅速发展,人工智能开始广泛应用于各个领域,比如医疗领域、司法领域、交通领域等,在人们的日常生活和工作中扮演了越来越重要的角色。其中,在司法领域的应用有法律问答、文书制作、案件分析推理等。但这些应用更多的聚焦在从裁判文书、案件说明这一类文字出发,对法律原文的处理和应用较少。本文从民法文本出发,基于部分法律原文构建法律知识图谱,围绕基于自然语言处理技术从原本的法律条文中提取法律术语并挖掘术语间存在的关系。本课题来源于国家重点研发计划“基于案件集中管理的办案多维评估及检务公开技术研究”（2018YFC0830700）,开展关于司法领域民事法律文本理解的深入研究,实际需求主要有两个大的出发点,一个是在法律文本中识别出特定法律术语,另一个是挖掘识别出的法律术语间存在的关系。在对法律文本的法律术语识别任务中,由于缺乏对法律术语的类别定义及相关数据集,故提出了一种针对选定法律的法律术语类别定义,并根据定义标注了选定法律构建了相应数据集。本文根据选定法律中得到的法律术语,形成法律术语词典,将词典领域知识融入到法律术语识别模型中,引入预训练模型BERT学习到法律的文本特征,引入深度学习模型Bi LSTM获取法律文本上下文信息,引入CRF作为分类模型对法律术语进行类别定义,从而实现法律术语专名识别任务。在对法律术语间关系的抽取任务中,根据对法律知识的理解和法律术语的类别定义,设计了一种序列标注方法,通过对法律条文类似于术语识别的标注手段得到关系抽取的训练集,大大减少了数据集收集工作。利用术语识别的相同模型对关系数据集进行训练预测,将结果根据标注方法进行再处理,得到术语间关系,完成术语关系抽取任务。结合上述方法,本文设计开发一个了基于部分法律文本的法律知识图谱系统,展示了法律术语识别、法律术语关系抽取以及识别抽取模型在外国法律上处理后得到的结果与中文法律术语的对比。