近些年来,随着互联网技术的快速发展与用户生成内容的急速增长,基于知识图谱的语义搜索已成为大势所趋。知识图谱作为一种新的知识表示方法,以图为组织形式,使用抽象化概念描述真实世界中存在的各种实体以及实体之间的关系,是语义搜索、智能问答、决策支持等智能服务的基础技术之一。当前我国软件编程开发具有巨大的市场潜力,越来越多的人学习软件编程,构建软件编程领域知识图谱有助于学习者梳理知识体系,并为构建领域知识体系结构的查询系统奠定基础。当前软件编程领域存在实体概念词性特殊,缺乏标注语料与成熟的关系类型定义等问题。针对以上问题和挑战,本文在深入研究与分析知识图谱构建、自然语言处理和相关深度学习技术的基础上,围绕软件编程领域知识图谱的构建技术和方法进行研究。首先针对传统命名实体识别算法不能充分提取局部特征的问题,提出了 BACER(BiLSTM-Attention-CRF for Named Entity Recognition)算法模型,在目前主流的 BiLSTM-CRF算法模型的基础之上,引入Attention机制关注文本的词性局部特征,解决了 BiLSTM模型对文本局部特征缺乏关注的问题,将BiLSTM-CRF算法模型的性能提升了 8.54%。在进行关系抽取工作时,考虑到基于依存句法分析的开放式关系抽取准确率较低,本文基于句子文本特征构建多粒度特征集,为每个基于依存句法分析得到的关系三元组分配信任度,通过过滤信任度较低的实体关系进一步优化关系抽取的性能,将关系抽取的准确率提升了 16.96%。最后,本文以Scratch编程语言作为应用样例,构建了 Scratch知识图谱,设计并实现了 Scratch知识查询管理系统。该系统可帮助学习者构建Scratch知识体系,同时对类似软件领域的知识图谱构建提供一定的参考价值。