随着国家对知识产权保护和运用的重视程度不断深入,面对呈海量增长趋势的专利文本,高质量的专利分析工作难度加大。航空航天领域作为我国高新技术产业之一,其专利文本中蕴含着大量的高新技术成果,是进行科技创新的重要基础,因此,如何对专利文本进行挖掘和利用成为近年来的研究热点。由于专利文本自身所具有的独特性质,文本内容信息较为难懂,专有名词众多,非专业人员读取和使用较为困难,尤其是对航空航天领域的专利挖掘和探索研究较少。知识图谱可以通过图的形式将文本数据之间的复杂关系展示出来,并进一步利用这些数据进行后续工作。深度神经网络模型具有较强的文本语义理解能力和分析能力,能够对文本的特征进行充分的提取,而且模型具有较快的处理速度,能够解决传统方法在构建知识图谱时存在的识别不准确、处理速度较慢等问题,节省大量的时间和成本。基于上述背景,本文使用深度学习方法构建航空航天领域专利知识图谱,首先从专利数据库中检索并获取相关专利数据,对专利摘要数据进行整理和清洗,使用Word2vec对输入的文本数据向量化表示,通过构建BiLSTM-CRF模型对航空航天领域专利文本进行命名实体识别,并与BiGRU-CRF、LSTM-CRF、CRF模型进行对比,结果显示,BiLSTM-CRF模型效果最优,P、R、F1值分别是83.37%、83.18%、和83.25%。其次,基于BiLSTM模型进行关系抽取,通过BiLSTM神经网络对目标词向量进行上下文时序信息特征提取,并使用Softmax分类器输出结果;然后与其他模型进行对比研究,结果显示,BiLSTM模型效果最优,P、R、F1值分别是75.50%、72.67%和73.83%,验证了所构建的关系抽取模型的有效性。最后,对抽取出的专利关系进行去重整理并存入到Neo4j图数据库中,构建航空航天领域专利知识图谱并根据用户需求进行问答应用和可视化展示。本文基于深度学习构建航空航天领域专利知识图谱,有利于更好地了解航空航天领域的专利关键信息及其之间的关系,提高对航空航天领域专利文本分析的效率,便于专利工作人员对该领域专利的管理工作开展,促进对航空航天领域先进技术的知识发现和趋势预测,提升航空航天领域知识产权管理能力和制造业竞争力,推动航空航天领域的创新发展。