人工智能和机器人是当前技术发展的重要领域,专利及其他科学技术文献反映了基础研究和技术创新的进展。应用自然语言处理技术,将机器人等重要技术发展领域和专利等科学技术文件结合起来进行深入研究,可以帮助领域从业人员高效地找到产品设计问题的解决方案,实现领域知识挖掘、学科发现与关联性评价、以及演化趋势分析。这对于理解不同科学技术领域的互动与渗透、发现潜在商业机会具有重要意义。知识图谱是Google为了优化搜索引擎而提出的一种揭示实体之间关系的知识表示模型。和传统知识库相比,知识图谱能够帮助人们更快速有效地获取知识之间的逻辑关系,实现知识之间的智能推理。在分析现有知识图谱构建方法的基础上,本文研究了基于多种数据源构建垂直领域知识图谱的方法,并对知识图谱应用系统的开发提出了设计方案,并予以实现。本文的主要贡献和具体工作如下:（1）针对机器人领域缺乏领域训练语料的现状,给出了基于远程监督的机器人领域训练语料构建方法。首先建立机器人领域知识的树形结构图,然后通过网络爬虫技术采集百度百科中机器人领域的结构化信息作为初始三元组,并利用远程监督方法自动获取训练语料。（2）针对不同类型的实体关系抽取任务,分别使用了两种抽取方法。针对实体识别任务,使用了基于启发式的规则筛选方法和基于K最近邻（k-Nearest Neighbor,KNN）分类筛选方法;针对实体关系抽取,使用了基于句法规则的实体关系抽取方法,以及基于远程监督的关系提取模型。（3）用上述方法获得的机器人领域知识三元组作为知识图谱数据源,提出了一种基于Neo4j图数据库的知识存储方案对机器人领域三元组进行存储,并通过图数据库的可视化平台实现机器人领域知识图谱的查询与展示。（4）根据构建的知识图谱设计上层领域应用,对段落文本进行实体识别,快速把握文本的关键信息;针对领域内实体构建树形图,对获取的问题、解决方法等关键信息进行展示;设置实体关系查询模块,快速返回查询内容;设置问答模块,返回问题答案和相关专利推荐。