自改革开放后,我国经济发展飞速,互联网技术和计算机技术也随之产生和发展,不论是人们的生活中还是工作中无不充斥着网络的身影。由于互联网在我们生活中的加入,随之产生了大量数据和信息,对于这些信息的运用,传统的检索方式已经无法满足用户的日常所需。那么,如何在大量且复杂的信息中准确且快速的搜索到用户所需信息,便成为了信息检索领域的热点问题。知识图谱这一概念的提出,为该研究领域提供了一个新的解决思路。它能将海量的数据加以处理,提取其中包含的实体和其之间的关系,然后以一种直观的方式存储在数据库中。首先,本文运用当下热门的实体识别技术——BiLSTM-CRF。旨在医疗领域文本中提取药品名,疾病名和症状名等实体类型。CRF是机器学习领域中经典的分词方法,将其与深度学习中双向LSTM技术相结合。CRF接在双向LSTM模型后,获取LSTM模型产生的全局最优输出序列,对其再利用,更好的拟合了数据。实验表明,两者的结合在效果和效率方面都取得了令人满意的结果。接着,本文以当下热门的问答系统为原型,目的是将目前可搜集到的关于医疗卫生方面的数据加以运用。先利用Neo4j图数据库存储数据,依次使用HanLP及机器学习中的朴素贝叶斯分类技术实现对用户问题的分词和匹配。最后,通过问答系统的方式对在数据库中检索的结果加以形象化的展示。此次实验结果表明,基于BiLSTM-CRF的命名实体识别技术在处理医学领域文本时具有一定的高效性。同时,基于朴素贝叶斯算法的分类器在问句匹配方面同样也具有很高的准确率,进而证明了问答系统的可用性。本系统的实现,可以为医生提供辅助医疗服务,故具有一定的现实意义。