随着通用知识图谱在搜索、问答、推荐等场景的成功应用,各行业相继出现了对知识图谱的巨大需求,知识图谱技术的研究也逐渐从通用领域过渡到特定领域。与通用知识图谱不同的是,领域知识图谱包含的知识体系通常具有很强的专业性和领域针对性,因此通用知识图谱自下而上的构建方式并不完全适用于特定领域。在此背景下,本文以特色小镇为对象进行了多源数据下领域知识图谱构建和应用的研究,主要的研究工作包括:(1)在构建特色小镇领域知识图谱过程中,研究并分析了目标小镇的关键特征,据此建立了目标小镇的概念本体,并在本体指导下从多个数据源进行了特色小镇领域数据的采集,根据采集数据的结构特点采取了相应的处理方式将数据处理为知识的表现形式。(2)在进行非结构化文本数据的命名实体识别时,仅采用字向量或词向量进行模型的训练,难以避免分词不准确带来的潜在误差或是单字难以体现所在词语义信息。针对以上问题,本文采用了字向量与词向量融合的方法进行命名实体识别模型的训练,实现了对特色小镇领域定义实体的有效识别。(3)在进行非结构化文本数据的实体关系抽取时,针对训练语料较少、原始特征不足的问题,本文对部分原始语料进行了人工标注,并在训练实体关系抽取模型时融合了句子中词语的词性、实体位置等相关特征,实现了特色小镇领域定义实体间关系的有效抽取。(4)在构建完成的知识图谱基础上设计并实现了特色小镇知识图谱系统,该系统包含语义解析模块、语义转换模块和可视化模块,为用户了解目标小镇的产业优势提供了全面且准确的信息。