在数字化改革的时代背景与现代信息技术的驱动下,资产管理领域的智慧化建设成为相关部门关注的焦点。然而,面对种类繁多,权责关系复杂的资产数据,管理部门缺乏切实可行的管理手段。知识图谱挖掘资产数据事实,利用资产信息之间的联系形成三元组,构建资产领域知识库,实现资产数据的有效组织,为资产数据的分类与信息化管理提供了技术支持。资产的管理与领域知识图谱的构建已经涌现出了大量研究,但仍面临以下挑战:知识图谱的构建中,资产实体存在多源异构性,仅从单一的字符获取字词特征导致知识抽取过程中获取的知识准确率不高;现有的研究中资产知识图谱对资产管理的权责边界定义不清,职责定义不明,简单的图谱资产融合无法对资产权责追踪完成准确的定位。本文针对以上挑战与问题,开展了基于知识图谱的资产领域管理系统的原型设计与研发。首先对知识图谱中的实体识别技术进行了改进,并完成了知识图谱的搭建;然后,将资产领域的多级管理办法与知识图谱技术相融合,提出了适合知识图谱的资产管理方案,并完成了资产领域管理系统原型的研发。具体的工作内容如下:（1）本文将基于词典的Lattice结构与输出层为条件随机场（Conditional Random Field,CRF）的双向长短时记忆（Bidirectional Long Short-Term Memory Network,Bi LSTM）相融合,并结合Bert网络的实体抽取模型,提出一种Bert-Lattice-Bi LSTM-CRF（BLBC）实体抽取模型。BLBC通过Bert模型完成数据集的预处理,再结合Lattice结构获取输入层更多的字词信息,然后将输出数据作为Bi LSTM-CRF模型的输入,进行序列标识和归一化处理。Bert模型强大的数据特征处理能力和Lattice结构优异的字词信息收集能力,使得模型效果比传统的抽取模型有了较大的改进。实验表示,改进后的模型在抽取的资产数据集人物名称、资产名称、组织名称三种类型中F1值得分获得了93.28%,92.29%,92.70%的成绩,说明该模型在实体抽取任务中表现较好。（2）本文提出了融合知识图谱的资产多级责任管理办法,制定了资产属性模型,并与知识图谱进行结合。新的基于知识图谱的资产多级责任管理办法可根据实体标签、关系属性、资产编码等信息对资产完成详细的追踪溯源。相比于传统的资产数据管理系统,不仅提供了丰富的业务视图,同时在权责追踪、资产溯源方面的查询效率有了质的提升。进一步的增强了资产系统的管理能力,强化了资产权责分配。（3）利用上述改进的模型与基于知识图谱的资产多级管理办法,完成了资产知识图谱管理原型设计与构建。包括管理系统的需求分析、资产管理系统的核心业务模块设计、权限管理等。并将基于知识图谱的资产多级责任管理办法应用与构建的资产系统原型中。最后完成了对知识图谱资产管理系统功能测试与性能测试。为资产领域管理系统建设提供可参考的内容。