近年来,随着工作生活节奏的不断加快,民众的生存压力也愈来愈大,与之伴随的是我国国民心理健康问题日益凸显。虽然互联网中存在着海量的心理疾病数据,但是民众仍对心理疾病缺乏了解,这是因为数据大多为非结构化数据,缺乏专业知识的民众无法从中筛选出有用内容。知识图谱作为一种符合人类认知形式的语义网,不仅能以结构化的形式描述事物间的关系,还拥有高效理解与应用数据的能力,十分适合心理疾病数据的表达。因此,本文以知识图谱在心理疾病领域的构建与应用为切入点,研究并构建了心理疾病知识图谱,并基于知识图谱搭建了管理与服务系统,满足公众的科普需求。本文主要工作如下:（1）针对缺乏公开的心理疾病领域数据集问题,本文利用爬虫技术获取了大量心理疾病语料。在查阅文献资料后对语料进行了分析,确定了实体类型与关系类型,然后在专业人员指导下开展数据标注工作,分别建立了心理疾病领域的实体识别数据集与关系抽取数据集,为后续模型的构建提供了数据支持。（2）研究并构建了心理疾病知识图谱。首先,提出了基于ALBERT与多重词信息嵌入的命名实体识别算法,命名为AM-BLC模型。AM-BLC使用ALBERT构建动态字向量,结合MWI方法引入词语信息并构建增强的字符嵌入,使用Bi LSTM算法学习文本语义特征,结合CRF算法计算并输出最优序列,最终模型的准确率为95.62%。其次,提出了基于Bootstrapping与质量控制的关系抽取算法,仅使用少量标注数据作为种子集,便可在大量无标注数据上进行关系抽取,并通过种子质量控制策略确保关系抽取的精准度,最终成功抽取到各类型关系22894个,准确率达到85.19%。最后,将抽取到的知识以结构化形式进行存储。在知识融合阶段,计算实体间的加权融合相似度以完成实体对齐,并将多类型数据进行合并;在知识存储阶段,设计了基于Neo4j与My SQL的混合存储模式。（3）设计并实现了心理疾病知识图谱管理与服务系统,该系统基于Springboot框架,拥有知识图谱管理、知识科普与系统管理模块,涉及知识搜索、知识可视化等多个功能,最终实现了对知识图谱的高效管理与应用。