中华文明上下五千年历史,文化博大精深,三国时期作为漫长历史长河中一个群雄并起、最有魅力的时代,出现了一大批经典英雄人物,有其丰富的历史文化内涵,受到大众的喜爱,考虑到之前知识图谱工作在三国历史方面的空白,本研究构建了三国人物知识图谱,设计了12种本体,30种关系,有三元组11600条,并针对知识图谱的关键问题设计了模型。本文分析了现有知识抽取模型的模型架构和意图识别槽位填充模型存在的问题,在减弱噪声数据影响的同时充分利用数据集信息,设计效果更佳的方法。在此基础上,进一步应用在三国智能问答机器人的构建上,最终构建具有实用价值的多轮对话问答机器人,帮助人们更好地了解、梳理三国知识,同时能够为后续的中文历史文本研究提供一定的参考价值。本文研究了一种基于双粒度注意力和对抗训练的远程监督关系抽取方法,采用包内句子级注意力机制和组内包级别注意力机制将训练注意力逐渐集中到高质量的样本数据上,减少了远程监督标注带来的噪声数据的影响,并通过对抗训练来提高数据利用率。具体包括:数据预处理、句子编码、双粒度注意力的多示例学习、实例级对抗训练、模型迭代训练等步骤。在纽约时报数据集和自建的三国关系抽取数据集上通过模型效果的一系列对比实验证明了本方法的有效性。本文研究了一种基于双向交互注意力的意图识别和槽位填充联合方法,涉及口语理解领域,采用卷积和双向长短时记忆网络对用户提问进行句子表征,通过提出一种双向交互注意力机制,考虑两个任务之间的交叉影响,令槽位填充和意图识别可以加入相互的信息,其过程中使用了多头注意力,有效地实现了意图识别与槽位填充任务之间的信息补充。模型在SNIPS、ATIS数据集和自建的三国数据集上与现有5种技术相比有效地提升了意图识别、槽位填充各自任务的效果,具有一定的实用价值。最后,构建了可以令用户访问的基于知识图谱数据库的三国知识问答机器人,该问答机器人具有闲聊功能和意图继承、槽位继承模块,实现了简单的多轮对话。现将本文的核心贡献概括为以下四点:（1）针对远程监督关系抽取中的训练数据利用不充分的问题,本文采用包内句子级注意力机制和组间包级别注意力机制将训练注意力逐渐集中到高质量的样本数据上,减少远程监督标注的噪声数据的影响,通过提出对抗训练来提高数据利用率。与现有技术相比有效地降低了噪声句子和噪声包的影响,解决了训练不充分、数据利用率低的问题,增加了模型的鲁棒性,提升了关系抽取的效果。（2）针对意图识别和槽位填充中单方向交互问题,提出一种双向交互注意力机制,令槽位填充和意图识别可以参照相互的信息,过程中使用了多头注意力。与现有技术相比改进了之前模型隐式共享参数的方式,实现两任务共同训练;改进了之前模型显式训练仅仅使用意图识别来提高槽位预测的方式;改进了显式训练模型两个任务不同步的问题。（3）构建了三国语料,包含一个三国人物知识图谱和两个模型训练数据集。三国知识图谱数据集融合了百度百科、维基百科等关于三国人物、地点、事迹的一系列数据,包含12种本体、30种关系;实体6388个、三元组11600个。三国人物关系抽取数据集使用远程监督的方法生成,并在保障数据质量上充分考虑了头尾实体距离限制。开展意图识别和槽位填充实验所用的三国数据由手工编写并标注的数据和模板批量产生数据混合构成,设计中充分考虑了语言表达的丰富性和用户表达的口语化,数据集已经公开在github网站（https://github.com/Ruiqing Gao/sanguo）。（4）开放智能问答机器人应用,可以实现多轮对话。人机交互以微信公众号为基础,按照语义解析式的任务型问答技术路线（意图识别、槽位填充、语义槽模板设计）设计出三国知识问答机器人,提供微信公众号（公众号名称:Nexus7Rachael）服务公开访问。