冶金设备长期处于高负荷状态,工况十分恶劣,极易造成设备故障。而设备故障多以故障调查单及运维履历文档的形式由工人记录,存在内容描述不规范、记录信息质量参差不齐、图片文档不可编辑等特征,缺乏有效挖掘设备故障运维信息的方法,进而难以重用运维履历知识。影响跨企业设备维修策略制定时对运维履历知识的参考,阻碍维修进程和效率。本文以某冶金企业的行车运维履历文档及故障调查单为研究对象,提出一种改进的Mask R-CNN的方法,同时结合Unet表格框线分割及OCR技术,用以结构化识别履历中表格文本、提出一种实体关系联合抽取方法构建运维知识图谱以及研究运维履历表格文档的语义相似性度量方法。研究工作如下:（1）针对冶金设备运维履历表格文档的图片格式导致表格文本字符不可编辑的问题,提出改进Mask R-CNN网络检测表格区域,结合Unet分割表格单元格,同时依据表格特点制定的组合规则及OCR技术结构化识别出表格文本,为后续的实体关系抽取奠定基础。（2）针对运维履历文本语义描述规范差、文本质量不一及冗余信息繁多等问题导致有效提取运维信息困难,提出一种基于序列标注的联合抽取网络。该网络由BERT、Bi LSTM、Attention、CRF模块组成,可直接获取三元组数据,构建运维知识图谱,实现运维知识结构化关联及语义网络可视化。（3）针对重用运维履历文档相似性精度低的问题,提出一种面向运维履历文档的语义相似性度量方法。基于企业已有的先验信息,构建设备树定位目标设备类或实例集合的知识图谱子图,并重构成图网络模型。基于Graph SAGE图神经网络聚合故障现象子图的节点信息,提取其语义特征向量,与故障调查单的语义特征向量进行余弦相似性度量,排序推送出最相似的履历实例,以可视化知识图谱形式呈现,辅助维修策略制定。案例验证以某炼钢企业积累的大量行车运维履历文档与故障调查单为数据源,对其进行了文档解析、知识抽取并构建了运维知识图谱及重建图网络模型,接着提取不同图网络的语义特征向量以度量相似性,推送出最相似性的履历文档用以知识重用。同时研发了一种履历文档的检索系统,以云存储的共享性为跨企业提供文档解析、知识抽取及相似性检索的应用,实现了流程化运维履历文档相似性检索及跨企业间运维知识共享,对提升冶金企业设备维修效率及降低运维成本具有一定实际应用价值。