知识图谱作为一种描述自然界中的实体及其相互联系的语义网络,已经被广泛应用于各行各业。一个完善的领域知识图谱可以辅助计算机理解相关知识,进一步帮助提升从业者的工作效率和质量。知识图谱构建的核心技术是实体关系抽取,目前中文实体关系抽取的准确率通常只有60%～70%,而领域知识图谱构建仍需进一步面临缺乏训练语料,对人工依赖较大以及构建方法难以跨领域移植等问题。针对上述问题,结合目前法律领域数据资源庞大繁杂,亟需有效组织利用的现状,本文研究提出一种基于文本挖掘的法律领域知识图谱构建方法并予以实现。具体工作如下:(1)针对缺乏领域训练语料的现状,提出基于远程监督的训练语料构建方法。采集百度百科上法律相关概念词条下的结构化信息作为初始三元组,利用远程监督的方法回标百科文本,自动化获取训练语料。进一步提出三元组扩充算法与关系特征词过滤语料的方法解决自动获取语料常见的数量较少及噪声问题。(2)针对不同类型的实体关系抽取任务,提出两种抽取方法。第一种是基于最大熵模型的实体关系抽取方法,该方法基于关系分类思想,通过n-pattern特征提取方法表征各类关系文本的差异,从而完成限定类型的关系抽取任务;第二种是融合CRF与句法分析树的实体关系抽取方法,该方法依赖序列标注和句法分析思想,可以完成任意类型的关系抽取任务。实验表明本文提出的两种方法抽取结果准确率均能达到72%以上,与现有的实体关系抽取方法相比具有明显的优化效果。(3)以前述环节获取到的法律知识三元组为数据源,提出一种基于NeO4j图形数据库的RDF文件存储方案对三元组进行存储,进一步研究法律知识图谱构建与应用系统的模块化分工安排,并通过系统应用模块的可视化平台实现法律领域知识图谱的查询与展示功能。