对于科研工作者而言,专业领域文献是他们在日常学术研究过程中使用最多、最频繁的资料。在科研大数据时代,面对亿量级的文献资源,科研工作者很容易陷入海量文献的泥潭中。知识图谱作为知识经济下的新兴技术,可以从语义角度结构化地描述文本中的实体以及实体之间的关联。因此,将知识图谱应用至科研学术领域,构建专业领域文献知识图谱,描述知识骨干网络,这对科研工作者具有很大的价值。本文设计了专业领域文献知识图谱的整体构建框架,以机器学习领域文献为例,从模式层与实例层入手对该框架进行了具体实现,并基于构建的文献知识图谱进行相关科研应用。主要取得了以下研究成果:首先,本文在领域文献特征分析的基础上,对垂直领域知识图谱一般构建过程进行改进,提出了适用于专业领域文献的知识图谱构建框架。该框架包含了专业领域文献知识图谱构建的总体流程以及每一步所采用的关键技术。其次,针对知识图谱模式层的构建,本文采用自底向上的方式,在机器学习领域文献术语聚类结果的基础之上结合学者对文献的需求,确定了模式层的四大实体类型、实体间五大关系类型。此种确定模式层分类体系的方式可一定程度上解决当前研究中对于领域专家知识过度依赖的问题。再次,针对知识图谱实例层,本文构建了基于长短期记忆网络与条件随机场的知识实体识别模型以及基于注意力机制的关系抽取模型,并分别通过实验验证了模型的有效性。最后,采用图数据库存储实体与关系,形成专业领域文献知识图谱,并基于构建的知识图谱提供了文献标注与知识发现两个应用示例,可实现文献重点标注、研究点搜索与格式化综述的功能。本文进行面向专业领域文献的知识图谱构建与应用的研究,从理论上,在对垂直领域知识图谱的构建过程进行适应性改进的基础上完整地构建了领域文献知识图谱,进一步丰富和发展了知识图谱的研究。在实践上,基于领域文献知识图谱的相关应用将隐含在非结构化科研文献中的知识显性化展示,可提高科研工作者文献阅读效率,帮助学者更快地了解领域研究现状。