随着我国在伟大复兴的道路上前进,科技迅速发展,移动互联网逐渐在整个社会普及,政府的工作也发生了翻天覆地的变化。如今,政府部门的线上工作也已开始普及,每天政府部门都会发布无数的政务信息在互联网之上,人民群众也逐渐习惯在互联网上浏览政府发布的工作信息。尤其是新冠疫情以来,人们花在手机等互联网终端上的时间越来越多,整合碎片化的政务领域信息,提供给人们一个方便快捷的方式来了解政务工作已经成为一个迫切的任务。知识图谱由于其自身的结构特性,可以很好的组织知识,将知识直观的表达出来。因此,本文提出了一种政务领域知识图谱构建方法,来解决人民群众获取政务信息效率低的问题。本文的主要工作和贡献如下:（1）提出了一种领域知识图谱三元组数据集的构建方法,从零开始,从互联网资源中筛选领域文档,然后在Saoke数据集的基础上,构建了政务领域三元组数据集,该方法可以在缺乏领域专家的情况下有效的构建用于深度学习的数据集。（2）提出了一种结合Bert的三阶段联合抽取实体及关系的深度学习模型,将政务领域的三元组抽取问题转换为条件序列生成问题,分三个阶段分别抽取主语、宾语及两者的关系。该模型在通用的Saoke数据集及本文构建的政务领域数据集上进行了实验测试,分别取得了0.431和0.530的F1分数,结果表明,该模型在开放领域实体关系抽取上的表现优于传统的模型。（3）针对实体及关系抽取模型的不足,提出了知识修正的概念并实现了实体和关系修正的算法,有效的解决了模型无法处理长篇文章所带来的缺陷,并提高了知识表达能力。最后,本文结合知识融合和知识存储,构建了政务领域知识图谱自动化构建原型系统,该系统具有知识图谱动态展示的功能,可以方便人们浏览。