刑侦案件笔录是公安部门文本情报的重要载体,笔录信息的高质量利用,可以有效支持对违法犯罪的预先防范和精准打击。电信诈骗近年来呈高发态势,是刑侦案件的重要组成部分,作为非接触式犯罪,由其产生的海量笔录数据是侦查办案的重点研究对象,但笔录中的要素散落在文本各处,且多为口语化表达,致使人工阅读分析耗时耗力,极大限制了笔录价值的发挥。针对以上问题,本文基于图融合方法,提升依存句法分析模型在笔录文本上的准确率;基于字典树与并行计算技术,实现依存句法分析模型的高效解析,从而构建面向笔录的高性能依存句法分析模型;基于实体识别技术和基于依存句法的实体关系抽取方法,通过全局关系推理,实现非结构化笔录文本到结构化案件要素的转化;基于知识图谱技术,结合案件要素信息,对笔录进行知识化表达,使其既符合人类的认知,也能支持计算机的分析处理。本文取得的研究成果包括以下三个方面:（1）提出DAT-MT加速的图融合依存句法分析模型,实现了跨领域、样本规模存在差异的语料构建的依存句法分析模型的有效融合和高性能解析。其中,图融合方法通过图的连接边权重优化,将少量标注的电信诈骗案件笔录要素句树库包含的口语化、专业化句法特征,融入公开的大规模标注的新闻文本语料所构建的书面语依存句法分析模型中,提升了模型在笔录文本上句法树生成的准确性;DAT-MT加速方法则通过为图融合依存句法分析模型引入Double-Array Trie高效索引和Multi-Threads计算方法,让模型解析获得了数倍的加速比,使其具有笔录文本实时分析和海量案件笔录处理能力。（2）提出一种基于依存句法分析的案件要素抽取方法,实现了非结构化电信诈骗案件笔录文本到结构化案件要素的转化。通过问答单元分类、命名实体识别、正则表达式技术实现了非结构化笔录文本中各类实体的识别与定位;利用依存句法分析取得的语义信息,对多类实体关系进行了抽取,并使用全局实体关系推理,实现实体到案件要素的转化。（3）提出一种电信诈骗案件笔录文本知识化表达方法,将笔录表达为既符合人类认知也支持计算机智能分析的知识。结合RDF模型将结构化案件要素抽象为知识,并使用OWL完成笔录知识图谱建模;利用POI数据,基于地址解析与标准化处理技术,对笔录知识图谱进行空间语义拓展,使其能够支持空间分析和空间角度的知识查询;利用空间聚类和知识查询实现了发案热点区域识别与空间精准化防骗宣传策略构建,验证知识化表达方法的合理性和实用价值。