互联网和人工智能在各个领域的普及以及人们的健康医疗意识与日俱增,整个社会对医疗信息的需求也随之增加。“智慧医疗”将是未来医疗行业的发展趋势,不仅能为大众提供海量医疗信息,更能解决当前医疗资源不均、就诊手续繁杂等问题。医学领域的知识图谱是实现智慧医疗的基石,让医疗信息资源的交换更方便,为高效便捷的医疗服务提供数据支持。本文通过收集、处理昆明市中医院骨科的电子病历以及来自互联网上的相关知识,对中医骨科问诊平台知识图谱的构建进行研究,研究内容主要有:其一、实体关系提取,获得构建知识图谱所必要的“实体-关系-实体”三元组作为基础数据。针对中医电子病历的特点,使用基于实体关系标注策略的实体关系联合提取方法,根据相关专家指导下制定的标注策略先对电子病历进行处理和标注,使用基于Bi-LSTM(双向长短时记忆网络)深度学习模型进行训练学习以更准确的提取实体关系,克服了传统方法方法误差较大等问题。在获得了实体关系之后,再通过互联网采集比对,对获得的实体关系进行完善和补充,实验结果表明该方法有较高的召回率和F1值。其二、针对获得的实体关系中,存在着“多词一义”的重复现象,即多个疾病名称都指同一种疾病,需要进行共指消解来整合这些实体关系。本文使用一种基于CNN(卷积神经网络模型)的知识融合方法,使用该模型对两个疾病对应的症状进行相似度的计算,判断二者是否重复以进行知识融合,解决医疗短文本特征稀疏难以判别语义信息是否相似的问题,实验取得了较好的准确率和召回率。本文对中医骨科知识图谱构建的研究,重点是对中医电子病历的实体关系提取以及对“多词一义”现象共指消解的知识融合进行研究探索,并且对中医骨科问诊平台的构建进行相关设计以及实现了上述的实体关系提取和知识融合方法。