随着依法治国工作的推进,普法工作受重视程度越来越高。相较于传统领域数据库,领域知识图谱能够有效整合和关联海量文本数据,深度挖掘文本数据中语义关系,同时基于知识图谱的问答技术有利于快速、准确地获取有效信息。如何结合新技术使普法工作智能化、便捷化是一项值得研究的问题。为了解决这一问题,本文主要研究基于司法领域知识图谱的自动问答系统关键技术,主要工作成果如下:（1）提出了法律文本信息命名实体识别模型。针对法律文本特性,提出了Bi LSTM-CRF-LER（Bi-directional Long Short-Term Memory-Conditional Random Field-Judicial Entity recognition）模型对法律实体进行字符级抽取,通过词向量技术、双向长短期记忆模型结合条件随机场模型,获得最优序列标注。通过与司法领域相关研究中其他几种实体识别所用模型做对比实验,证明了此模型的正确性以及优势。（2）提出了基于规则的法律文本关系提取方法。基于实体识别结果构建了司法领域实体用户词典,通过分词结果以及词性标注结果逐步制定规则,得出最终正确的词性标注结果。此外,通过设置对比实验,证明了此方法的合理性及准确性。（3）构建了司法领域知识图谱。根据实体关系抽取结果,本文构建了司法领域知识图谱,同时基于Neo4j图数据库完成知识图谱相关数据操作。通过正确构建司法领域知识图谱,验证了本文实体及关系提取方法的正确性。（4）实现了基于司法领域知识图谱的自动问答系统。基于司法领域知识图谱的构建,通过问题解析和实体关系链接,最终将知识图谱中相应查询结果优化成相应答案后返回用户答案,并设置准确性实验来测试系统准确性。利用本文构建的司法领域语料数据库可在一定程度上解决当前司法领域中公开数据集短缺问题。利用本文提出的实体关系提取方法,可以保证高效率地提取法律文本信息中的实体及关系。通过本文构建的司法领域知识图谱和自动问答系统,可为其他领域中文知识图谱构建技术和自动问答技术研究提供参考。