语义知识库可提供计算机理解文本所需资源,为语义分析和计算提供强力支撑,被广泛应用于词义消歧、信息检索、机器翻译等领域。现有大规模语义知识库多属于常识知识库,无法满足飞速发展的人工智能及其它应用领域对专业领域知识的需求。术语内部动态角色标注是领域术语语义知识库构建的关键环节,其标注效果直接影响该知识库的规模与质量。How Net(知网)是目前国内最成熟的中文语义知识库,因此,本文以其为基础结合现有领域术语语义知识库构建方法,围绕领域术语内部动态角色标注开展研究。针对动态角色种类多难以标注的问题,提出了一种基于KNN(K-最近邻)的标注方法。该方法通过对术语内部词语DEF(概念描述)项的分析预选择样本,并在选择阶段融入DEF的语义相似性和词向量的语境分布相似性。实验结果表明,1-Best、3-Best和7-Best的准确率P分别为67.57%、86.00%和94.17%,平均倒数排名MRR为0.7764,优于已有的研究结果。针对领域知识库标注成本较高等问题,提出了一种基于主动学习的标注方法。该方法选取有潜在价值的样本进行标注,以上述KNN分类算法为基准分类器,以不确定性度量为采样依据,并在此基础上融合了基于DEF相似度计算度量的样本代表性。实验结果表明,在达到相同分类准确率时需要标记的样本数减少了62.03%,可以有效减少人工标注的时间和成本。最后,本文设计并实现了领域术语语义知识库构建系统,并将该系统应用于航空领域,利用相似度计算对其进行了评估,证明了本文方法的有效性。