大数据时代科技资源呈现数据规模大、多模态、更新快速、时效性高和价值密度较低等趋势,对有效利用科技资源带来严峻的挑战。本文基于注意力机制、对抗生成学习、循环神经网络、微服务等知识和技术,利用深度学习方法对科技大数据进行实体识别和关系抽取,引入多注意力机制提高算法准确率;利用对抗生成学习和语义相似度实现跨媒体科技大数据的检索;利用循环神经网络方法,将知识图谱中的实体和关系作为输入,推演出新的关系,进一步扩大知识图谱的规模。同时,通过微服务技术完成对实体关系抽取、跨媒体检索、交互可视化等知识服务构件的开发,实现知识服务构件的开放协同。本文完成的主要工作如下:（1）提出了跨媒体科技大数据的实体识别与关联关系发现的方法。针对科技大数据的实体识别,提出了结合分词词性的注意力机制的命名实体识别算法,通过结合分词词性、双向长短时循环网络和注意力机制,利用有监督方法对数据进行学习与训练,实现了科技大数据的实体识别;针对科技大数据的实体关系发现,通过结合科技文本数据的句子级别注意力机制和自注意力机制,提出了基于多注意力机制的实体关系抽取算法,实现了科技大数据的实体关系发现。（2）提出了跨媒体科技大数据的知识服务构件的开放协同。为了使知识服务构件具有良好的扩展性、开放性,提出了基于微服务的知识服务构件的开放协同机制,同时定义了本文开发的具体知识服务构件。利用微服务架构完成知识服务构件开发,实现知识服务构件的可扩展性、开放性、分布式运行,具有业务响应快、代码复用率高、可靠性高、开发成本低等优势。针对跨媒体科技大数据检索知识服务构件,提出一种基于对抗生成学习和语义相似度的跨媒体科技大数据检索方法,对跨媒体科技资源进行检索,并根据语义相似度进行排序,解决了跨媒体数据特征异构性问题,提高了跨媒体检索准确率。（3）提出了跨媒体科技大数据的动态推演展示与交互可视化的方法。针对科技大数据中实体关系缺失的问题,提出了基于循环神经网络的动态推演算法,利用循环神经网络结构,将知识图谱中的实体和关系向量作为输入,结合上一时刻的状态进行计算,得到当前时刻的隐藏值,经过迭代运算,输出一个融合了知识图谱中的实体和关系的结果向量,解决了科技大数据中实体关系缺失的问题,扩大了科技大数据知识图谱规模。针对跨媒体科技大数据内部关联关系复杂性问题,利用可视化技术帮助用户获取数据背后隐藏的价值,提出了基于ECharts的跨媒体科技大数据的交互可视化方案,实现了跨媒体科技大数据的知识图谱、热点词云等的可视化,为用户分析科技大数据提供便利。（4）实现了跨媒体科技大数据知识服务与交互可视化构件的系统。系统由实体关系抽取、跨媒体检索、交互可视化等知识服务构件组成。系统各项功能完备,用户界面操作友好。