外来海洋生物入侵给我国的公共健康、社会经济、生态系统等带来严重的威胁和损失。近年来,国家高度重视海洋生物安全问题,在党的十八大政府报告中首次提出了建设“海洋强国”和“海洋丝绸之路”的战略目标。2020年,党的十九大提出建设海洋强国、美丽中国的目标,报告中提出我国目前需着力解决海洋水污染、海洋生态环境破坏等海洋环境突出问题。《生物安全法》于2021年4月15日正式施行,要求我国相关部门加快建立健全生物信息的采集、发布和信息追溯机制,加强对我国外来海洋生物的监督管理和入侵防控。我国目前已有的外来海洋生物数据主要是以文本形式存在的,集中在生物学相关网页和文献资料中,并且数据的分布较为分散,数据结构不一,难以对其有效整理,无法对外来海洋生物数据进行快速检索以及信息追溯,无法从外来海洋生物的分布情况、入侵途径等方面对外来海洋生物提出监督管理建议。因此,建立一个我国外来海洋生物信息检索平台的需求迫在眉睫。知识图谱能够从多数据源中抽取出有需要的信息,实现信息的快速检索和可视化展示,所以本文提出构建外来海洋生物的知识图谱。本文在水产养殖网、海洋生物学网站等网页中爬取了1500条外来海洋生物文本数据作为样本数据。针对文本数据中外来海洋生物实体构造复杂且实体间存在嵌套的现象,提出基于融合注意力机制的卷积神经网络（Convolutional Neural Networks,CNN）-双向门控循环单元网络（Bidirectional Gated Recurrent Unit Network,Bi GRU）-条件随机场（Conditional Random Field,CRF）模型进行外来海洋生物实体识别,提高了实体识别的准确率。在此基础上完成了外来海洋生物知识图谱的构建,通过对知识图谱中生物的国内分布、引入路径等进行可视化分析,给出我国在外来海洋生物监督管理的建议。本研究的主要创新性成果如下:（1）针对外来海洋生物领域实体构造复杂且实体间存在嵌套的现象,提出使用融合注意力机制的CNN-Bi GRU-CRF模型进行外来海洋生物实体识别,并构造词向量、词性特征向量等特征作为模型的联合输入以提升模型识别效果。提出的模型可以充分提取文本特征,解决文本的长距离依赖以及文本中实体存在的复杂嵌套问题。实验结果表明使用融合注意力机制的CNN-Bi GRU-CRF模型在外来海洋生物领域实体识别的效果较传统实体识别方法有较大提高。（2）通过本体构建、实体识别、关系识别等知识图谱构建流程构建我国外来海洋生物的知识图谱,构建的知识图谱对我国的外来海洋生物信息进行整理分类,实现我国外来海洋生物数据的快速查询和可视化分析。通过知识图谱发现我国外来海洋生物主要集中在广东、浙江等发达沿海地区,船舶压载水是入侵生物的主要来源方式,无意引入的海洋病原微生物对我国危害最大。并基于以上结论,给出了我国在外来海洋生物引种、船舶压载水管理、水体生物监测等方面的建议。