文物是研究人类文明、历史、社会的重要物质“证据”。近年来,随着国家对于文物保护工作的关注,文物的宣传形式趋于多样化,人们对于文物的关注度明显上升,文物资源数字化需求增加。如何有效地组织和利用大量的文物数字资源是近些年来的关注热点。国内多是博物馆在进行专题展览时,会临时构建小规模的知识图谱来组织文物数据,这些文物知识图谱完全依赖于人工构建,缺乏自动化方法。本文基于以上背景,从实际应用出发,对文物知识图谱构建过程中的文物关系自动抽取技术进行了研究,设计并实现了完整的文物知识图谱构建与展示方案,具体工作如下:首先,本文提出了一种基于半监督学习的文物关系抽取算法,在算法中使用改进的Tri-training模型(三分类器协同训练模型),用于文物关系的自动抽取工作。其中包括:设计新的核函数来度量抽取结果与关系模式的相似程度,采用三种不同分类器构建改进的Tri-training模型。通过实验证明改进后的模型在文物关系的抽取上优于原Tri-training模型。然后,本文参考已有的知识图谱构建技术,设计并实现了面向文物领域的知识图谱构建方案。以书画、文献、名人故居为例,构建以黄宾虹为中心的文物知识图谱,通过文博专家对构建的文物知识图谱的评价和实际应用,说明了本文设计的文物知识图谱构建方案的可行性和准确性。最后,本文基于以上研究成果,设计并实现了一个文物知识图谱构建与展示系统。本系统支持构建各种专题文物知识图谱,支持文物知识结构调整、文物实例录入、文物文本数据处理、文物知识检索与动态知识图谱展示等功能。