近年来,化学学科的飞速发展推动了人类文明的进步,但危险化学品的使用给人们的生命和财产安全带来了严重威胁。危化品具有极大安全风险,缺乏有效的知识管理体系,而该领域已有研究始终缓不济急。人们对于研究危化品性质,防范生产风险等提出了迫切的需求。近年来知识图谱凭借其强大的开放组织能力,成为一种新颖的对海量知识进行管理的方式,为危化品领域的学科研究提供了一个可借鉴的思路。针对以上情况,本文提出将知识图谱与危险化学品领域相结合,利用知识图谱中知识表示的技术,为危化品领域中参差错落的复杂知识提出了全新的管理方式,并在此基础上更为有效地开展学科研究和相关应用。本文的主要研究成果如下:（1）创新性提出将知识表示技术应用于危险化学品学科领域。本文通过向量的形式来对危化品中的知识三元组进行表示,解决了危化品领域中经验匮乏、数据杂乱等问题。并在此基础上制作了危险化学品分析系统,该系统与其他危化品系统相比,除简单的查询功能外,还提供了链接预测、链路分析、相似实体分析等创新功能。（2）完成了危化品知识库的构建工作并提出了SMILES表达式分割算法。针对传统的危化品研究方法中仅研究理化性质和化学元素的情况,创新地提出利用化学品的SMILES表达式对危险化学品进行原子层面性质的探索,为研究危险化学品的基本性质和关联特性等提出了新的解决思路。使用此算法增强了危化品之间的联系,丰富了危化品知识库,通过对比实验证明了本算法的有效性。（3）使用伯努利采样法来替换传统的随机负采样方法。针对危化品知识库中存在大量1-N、N-1、N-N的复杂三元组情况,为三元组中头尾实体的替换设置了不同的概率,提高了负采样的质量。（4）提出了Ch Incom Trans知识表示学习模型。与传统知识表示模型相比,本模型提出知识的重要性是不均等的。针对危化品这个特定领域,本模型在采样方法、损失函数的构建和具体的训练过程上做出改良,在几乎不影响整体预测效果的前提下,大幅提升了特定目标的预测准确性,使模型更具有实用性。