知识图谱是一种高效的知识表达模型,是由节点和边构成的网状结构,是一种描述客观世界的数据结构。与传统的信息管理方式相比,知识图谱能够帮助人们更快速有效地获取所需知识间的逻辑关系,有利于知识间智能推理的实现,对于许多下游应用至关重要。电子元器件是电子元件和小型的机器、仪器的组成部分,本身常由若干零件构成,包含多种封装和性能等属性参数,其知识结构复杂,知识广泛且量大,潜在的关联知识难以被挖掘。针对电子元器件领域数据缺乏有效组织利用的问题,本文构建了电子元器件知识图谱,同时为了解决电子元器件知识图谱存在的不完整性带来的实际应用问题,以及克服知识图谱补全模型存在的缺陷,本文对知识图谱补全技术展开了研究。目前领域知识图谱的应用形式全面,在电商、医疗、金融等行业领域已经得到了较好的发展。本文针对电子元器件领域知识管理存在的问题,借鉴现有的知识图谱构建方法,设计了符合电子元器件领域的知识图谱构建方法。采用python爬虫的方法获取知识,BERT-Bi LSTM-CRF模型进行实体抽取,BERT模型进行关系抽取,基于实体相似性和BERT模型进行实体对齐,实现了电子元器件知识图谱的构建,增强了知识间的互联性和共享性,为智能搜索及分析辅助服务提供了技术支持。电子元器件知识图谱的分布遵循长尾分布,即部分关系只有很少的三元组,同时基于图神经网络GNN的方法通常需要足够的标记实例才能实现良好的性能。因此,本文通过在基于嵌入的方法中加入规则进行扩充,结合GNN和注意力机制提出基于规则和GNN的知识图谱补全模型。该模型将实体邻域的节点特征,边特征以及网络拓扑结构进行聚合并更新到当前节点,使用注意力机制为每个三元组分配不同的权重得到节点的向量表示。将逻辑规则保存的知识作为知识图谱嵌入方法的额外训练数据来提高知识图谱嵌入方法的性能,根据观察到的三元组和基于GNN的知识图谱嵌入方法推断的三元组来更新逻辑规则的权重。为了实现电子元器件间的替代关系预测,本文构建了电子元器件替代关系数据集,提出了电子元器件知识图谱的替代关系预测模型。最终在本文构建的电子元器件知识图谱子数据集以及Freebase子数据集上验证了本文提出的模型的有效性。