信息剧增和对信息有效发掘利用的技术手段相对落后是现今大数据时代的突出矛盾,如何从海量信息中挖掘出能为我们所用的“知识”是时代赋予我们当下的又一新课题。本论文结合时代背景和由信息技术发展带来的新挑战与新机遇,以航母装备信息的基础知识图谱构建为研究目标,对于人工智能技术在军事领域的应用进行了新尝试。“知识”是知识图谱构建的关键。由于军事领域的信息具有知识专业性强、保密要求高的特殊性,军事装备知识图谱的构建工作相较于通用领域的知识图谱构建呈现出很多不同的特点。首先,可直接被用于军事领域知识图谱构建的高质量文本非常有限。其次,有限的数据之间缺乏必要的关联,再就是知识组织结构化程度普遍较低。种种原因导致仅有的信息中的绝大部分的内容最终无法成为航母装备信息知识图谱的“知识”来源。本论文针对以上突出问题,为实现航母信息基础知识图谱构建的目标完成了以下工作:1)提出了航母装备知识图谱构建的总体架构,设计了基于百度百科知识的航母装备基础知识图谱构造方法。2)提出了用于航母装备知识图谱获得“知识”的有监督学习方法所需的语料库和标注集的构建方法。针对军事语料与军事装备信息特殊性,对通用领域的命名实体标注集进行了扩充,对航母及与其相关的命名实体之间的关联关系类型进行了定义。3)提出了通过多层神经网络模型（Bi LSTM-CRF和Bi-GRU+Attention）对航母装备信息语料中的相关命名实体进行识别和对命名实体之间的不同关系类别进行提取的方法,从不同文本语料中获取了航母装备信息基础知识图谱构建所需的“知识”。本论文从实际应用需求出发,根据军事领域装备信息的独特性,综合网络爬虫、自然语言处理、深度学习、图数据库等研究的理论成果和技术方法,对航母装备的信息进行了挖掘、处理,并在通过多层神经网络模型从文本信息中有效识别和成功抽取出目标信息的工作成果上,使用图数据库对知识图谱的“知识”进行了管理、组织,实现了知识图谱的可视化,构建了具有相当应用价值的航母装备信息基础知识图谱,所提出的构建方法对于军事领域的其它基础知识图谱构建也有一定的理论指导意义。