湿地文献数据研究是湿地研究中重要的一部分,传统的湿地文献研究方法主要是对湿地文献论文作者合作度,合著率,核心作者,论文引用数量,论文高频关键词的分析,缺少对湿地文献文本语义方面的分析。湿地文献文本数据本身具有复杂性和开放性,统计方法难以分析出湿地文献所表达的具体实体信息和实体关系。因此本文的主要研究课题是湿地数据的命名实体识别和开放语义关系抽取,主要研究内容和工作分为以下三个部分。第一部分是湿地命名实体识别。湿地领域命名实体包括动物实体,植物实体,人名,地名,组织机构名实体等。针对人名,地名,组织机构名的标准命名实体识别任务,本文设计了一种结合双向LSTM和CNN的深度识别方法,在双向LSTM深度网络中加入CNN单元来抽取单词的字符特征,对比基于条件随机场的命名实体识别工具Stanford Open NER识别结果,该方法在人名,地名,组织机构名抽取精准率,召回率,F1值上面有着不同程度的提升。对于其他湿地领域实体,分别采用Google Geocoding来对WGS84坐标数据进行解析,构建专业领域知识词典来对动物实体,植物实体进行识别。第二部分主要研究湿地文献实体关系抽取方法。湿地文献实体间的语义关系存在着复杂性和多样性,传统的带有规定的关系分类标签的抽取工具和方法对于湿地文献数据的扩展效果较差。因此,本文设计了一种基于SRL(Semantic Role Labeling)标签的双向LSTM神经网络,以句子中的谓词为中心抽取语义三元组。在湿地实体识别的工作基础上,对带有湿地实体的句子进行开放语义关系抽取。对比现阶段基于句法结构的Stanford OpenIE抽取工具,OpenIE 5.0抽取工具的抽取结果,深度模型在动词语义的判定上面更加全面准确,抽取的语义结果也更合理。第三部分的主要工作是构建了湿地知识库系统。一方面构建湿地知识库平台,对湿地实体数据和语义关系数据进行展示,另一方面将关系型数据转化成RDF格式存储,通过RDF三元组构建非关系型湿地图数据库。