铁路电务事故频繁发生,然而现存的事故记录与相关信息以非结构化方式存储,这使得获得数据之间的关联性难度增加。知识图谱是大数据时代获取知识,构建知识库的关键技术。它不仅可以整合零散的数据,还可以提高数据挖掘的准确度。为了探索铁路电务事故之间的隐藏信息,整合看似独立的数据到知识库中,探索基于知识图谱的铁路电务事故本体框架的半自动化构建过程,并将其应用。本课题以铁路局记录的2010年到2018年铁路电务事故为主要数据,这些事故被存储在非结构化的文档中。为将非结构化数据转化为结构化数据,使用BiLSTM-CRF模型进行事故时间、列车、地点和类型内容的实体识别,其他结构内容通过人工分析出来。为联系事故,从故障设备和事故类型两方面对事故进行分类。通过多种分类器进行实验对比,选取分类效果最好的分类器对事故进行分类。将处理后的结构化数据与分类的结果整理成CSV文件导入到图数据库。构建成功的知识图谱不仅能分析和诊断铁路电务事故的故障设备和事故类型,也能帮我们预测这些事故的趋势和改变。同时,将处理后的结构化数据与分类的结果使用Protege工具编辑,以OWL为描述语言,手工构建铁路电务事故本体。构建好的本体可以进行查询和推理操作。在以后的研究中,可以使用此本体进行应用,还在此基础上进行本体扩展。为便于用户对铁路电务事故知识图谱查看和操作,使用系统实现知识图谱展示和查询功能。通过此系统,用户可以发现事故之间的联动性和隐藏信息,还可以方便快捷地获取所需信息。本文以近几年的铁路电务事故为主要数据,采用图数据库来实现知识图谱构建;借鉴七步法,以OWL为本体描述语言,使用Protege工具手工构建事故本体框架;利用Flask框架实现知识图谱可视化和搜索功能,经测试,该应用系统运行效果良好。