大数据和人工智能技术推动着各行各业都朝着“数字化”和“智能化”发展,政务领域也不例外。虽然政务大数据中蕴含了大量有价值的信息,但其中也存在大量无效信息,让真正有用的数据难以得到有效的利用。同时,传统的基于关键词匹配的政务问答系统,也正向基于知识图谱的智能政务问答系统转型。知识图谱作为大数据时代的产物,其主要作用是整合数据资源,从海量的数据中提取有用的信息。基于知识图谱构建的智能问答系统,能够有效解决传统的问答系统回答准确率偏低的问题。知识图谱构建也从最初的人工标注,发展到基于知识抽取相关算法进行半自动化构建。但现有的知识抽取算法大多没有考虑领域知识对抽取结果准确率的影响,因此本文对融合领域本体特征的知识抽取算法进行了研究,对知识图谱半自动化构建流程进行了分析与总结,希望找到更高效、准确构建政务知识图谱的方法。本文的主要研究工作包括:（1）构建政务本体。其主要目的是方便各部门实现数据互通,为政务知识图谱构建做支撑。（2）提出一种融合本体特征的政务命名实体识别模型。模型的技术路线为:在文本向量化表示的同时融入本体特征;使用Bi LSTM-CRF模型完成政务实体的抽取。实验结果表明,该模型相对于传统的命名实体识别模型,在正确率上有一定提升。（3）设计与开发知识图谱半自动化构建系统。具体流程为:对知识图谱构建流程和知识图谱半自动化构建系统的用户需求进行智能分析;设计并实现系统的各功能模块;对系统功能和性能进行了测试。（4）构建政务知识图谱。基于本文构建的政务本体和知识图谱半自动化构建系统,构建了政务知识图谱;对图谱进行覆盖率测试,并将其应用在智能政务问答系统。