为了充分挖掘海量数据的内在关联价值，全面准确地构建预警装备领域知识图谱，提出了一种基于深度学习的预警装备知识图谱构建方法。该方法以典型非结构化文本资料为研究对象，构建预警装备领域知识图谱本体和专业词典，以驱动分词得到包含6 468个实体样本和11 216条关系样本的预警装备知识数据集。基于融合多种深度学习模型的知识抽取方法进行实体识别和关系抽取，实验结果表明：所提模型在预警装备领域表现出优异的性能，实体识别模型F1值达到91.54%，关系抽取模型F1值达到91.05%。将提取的实体关系三元组存储在Neo4j图数据库中，进一步构建了由14种实体和22种关系组成的预警装备领域知识图谱并实现可视化。
