裁判文书是融合案情描述和裁定过程的法律文本。基于裁判文书的智慧司法应用是当前研究热点。知识图谱作为一种揭示实体之间关系的语义网络,能够以结构化的形式充分表达裁判文书中的信息。由于刑事案件裁判文书结构严谨、领域知识性较强,基于此构建案情知识图谱,可为罪名预测等下游任务提供支撑。当前刑事案件知识图谱通常聚焦于案件中的人员、案件类型等粗粒度信息,其本体层设计要素考虑不充分。且刑事案件中的概念较为抽象,关系存在多种语义,基于知识表示的知识图谱补全模型语义表达并不充分。因此,本文结合法学领域背景,建立”盗窃罪”的案件要素体系,通过实验对比选择知识抽取阶段技术方案,提出引入多语义关系嵌入的知识补全新方法,并实现了案情知识图谱存储和可视化。主要工作内容和创新如下:（1）构建案情知识图谱本体层结构与实验数据集。为抽取出裁判文书的主要信息,以司法人员的指导意见和相关研究文献为基础,结合裁判文书的结构特点,从人员类型、犯罪行为、补偿行为、物品要素及裁判结果五个方面细化,提出基于“盗窃罪”的案件要素体系,并定义实体和关系标签。通过归纳总结体系间各要素的关联关系,构建“盗窃罪”本体层。为验证构建过程中模型的有效性,利用开源标注框架,对CAIL2018数据集进行基于要素的人工标注以构建案情知识图谱数据集。（2）针对知识表征模型进行关系补全中存在的多语义问题,提出基于多语义关系嵌入的知识图谱补全算法（MSRE）。MSRE通过在复数域空间中反向计算关系角度向量,基于mean-shift构建各关系的语义分量簇,优化RotatE得分函数为语义分量簇中最恰当的关系语义分量,在扩充关系表示的同时,保证了三元组运算中的唯一性。在FB15k-237数据集的链接预测任务上hit10值提升到0.54。在公开数据集WN18RR的三元组分类任务上有1.6%的提升。（3）构建“盗窃罪”的案情知识图谱。在知识抽取阶段对比工业界中较为成熟的模型以选定知识抽取模型。在知识融合阶段利用相似度计算进行实体对齐。在知识补全阶段利用MSRE算法进行关系补全。在知识存储阶段使用neo4j数据库进行存储和可视化,并通过检索验证知识图谱的有效性。