军事事件记录了各国军事活动的详细内容,是情报收集的重要来源,更是进行军事决策的重要依据。事件知识图谱的引入能够高效利用军事事件大数据,将孤立分散的军事事件加以整合,关联与扩展,为信息汇聚、军事问答等决策任务提供辅助和数据支持。因此,本文以环球军事网新闻事件为数据来源,通过分析事件语义搜索、目标时空追踪和主题汇聚三种典型军事决策需求,以军事事件知识表示、军事事件知识融合、军事事件主题知识抽取为核心技术,构建了面向军事辅助决策的事件知识图谱,并基于本文所构建的军事事件知识图谱,设计并实现了基于军事事件的辅助决策原型系统,为构建军事领域通用决策智能引擎提供参考与借鉴。本文的主要工作与成果包括:（1）面向军事辅助决策的事件知识表示:基于事件语义搜索、目标时空追踪和主题汇聚三种典型军事决策需求,描述了相应军事辅助决策任务与军事事件知识图谱所支持的辅助功能;根据军事决策需求和军事事件特点,设计了军事事件知识表示模型,构建了以事件为中心,包含事件类型、时间、空间、作战目标和作战任务等关键信息的军事事件知识图谱。（2）军事事件知识融合:为更好支撑事件语义搜索、目标时空追踪等决策需求进行事件知识融合。针对事件要素实体语义知识稀疏、可利用信息少导致实体对齐难度较大的问题,基于百度百科和万国兵器网领域知识,分别提出了时间要素、空间要素和作战目标要素的知识融合方法,扩展了军事事件知识图谱知识体系,消除了实体冗余,统一了事件要素知识表示,扩充了实体间关系与属性匹配,实现了事件在时间、空间、作战目标等多维度的语义关联;同时基于ERNIEBase-Linear语义匹配模型实现了作战任务实体对齐,通过对齐实体间共指关系构建形成作战任务共指链,为事件趋势分析提供支持。（3）军事事件主题检测与抽取:为了实现基于主题的事件汇聚,为指挥员推荐更为精准的事件信息,结合文本建模技术和聚类分析提出了事件主题检测与抽取方法,通过挖掘事件间深层次语义关联聚焦相关事件,结合时间要素梳理事件发展脉络。结合LDA主题模型、Bi-LSTM网络、注意力机制和Text-CNN,提出了一种主题特征增强的事件文本建模方法,以缓解短文本语义信息稀疏和主题特征不明显导致的文本嵌入效果欠佳,难以有效支撑后续文本聚类的问题;采用多种聚类策略进行了不同层次的文本聚类分析,分别实现了跨类型事件和同类型事件的细粒度主题检测;结合词聚类分析和关键词排名从词义和词频两个层面完成了事件主题知识抽取,并将主题知识融入军事事件知识图谱。（4）军事辅助决策原型系统的设计与实现:基于本文所构建的军事事件知识图谱,设计并实现了基于军事事件的辅助决策原型系统,支持事件语义搜索,关键信息查询,时空关联和主题汇聚等功能,为用户提供数据支持以辅助军事决策。