知识图谱能从海量文本和图像中提取出需求的信息,有着广阔的应用场景。领域知识图谱作为知识图谱中的一种,由于存在数据难以获取和处理等问题,故当前对领域知识图谱的相关研究较少。暗网作为一个神秘的领域,和明网不同,暗网中进行的交易大部分存在违法的情况,甚至对国家安全造成了一定的威胁,故进行暗网领域的知识图谱构建迫在眉睫。针对上述问题,本文的研究重点集中在暗网中文交易链知识图谱的知识获取和应用方面。主要研究内容包括:（1）设计并实现了一种暗网中文命名实体识别模型。首先,针对暗网领域缺少明确的实体分类的问题,通过对暗网进行调研,将暗网交易链可识别的实体分为9类。随后,对数据集进行预处理和命名实体识别数据标注,以获取到实验语料。接着,使用基于transformer的双向编码器模型,获取到结合位置信息的暗网中文交易数据的字向量,并将字向量输入双向长短期神经网络中,获取到具有上下文语义的字向量。最后,将上述字向量通过条件随机场,保证了预测的标签的合理性。通过上述训练达到识别出暗网领域内实体的目的。该模型在暗网中文命名实体识别任务上相较于其他传统方法效果显著,其正确率、召回率和F1值分别取得了74.9%、76.2%和75.5%的成绩。（2）设计并实现了一种暗网中文关系抽取模型。首先,通过调研,将暗网交易链可抽取的关系分为5类。随后,对数据集进行关系抽取数据标注,以获取到实验语料。接着,本文使用Word2Vec进行词向量训练,并将词向量结合位置信息作为输入放入双向门控单元网络中,获取到具有上下文语义的词向量。随后,将词向量通过注意力机制,增加了句子局部特征的权重。最后,将上述结果输入到分类器,得到句子的关系类别。通过上述训练达到识别出暗网领域内关系的目的。经过对比实验验证,该模型能够有效地抽取暗网实体之间的关系,其正确率、召回率和F1值分别取得了65.1%、62.3%和63.7%的成绩。（3）设计并实现了暗网交易链知识图谱系统。首先,进行暗网交易链知识图谱的初步构建,并将上述获取到的三元组知识,结合实体补充和关系补充,存入Neo4j数据库中。随后,以知识图谱的知识查询为基础,进行暗网交易链知识图谱相关应用的实现和可视化展示。最后,达到呈现暗网交易链,对暗网内重点目标进行追踪的目的,并保证系统的各个功能在2秒内完成响应。