随着互联网和大数据的快速发展,全球每时每刻都在产生海量的,结构化或者非结构化的数据,这些数据格式多样化,有图片,文本,音频,视频等等。由于数据的多样化以及数据表示的多样性,大数据不经过结构化处理在许多情况下将无法有效的应用。本文重点研究多源异构的非结构化、半结构化初等数学领域数据如何表示为结构化数据,并依据数学领域知识图谱构建的方式构建初等数学概念知识图谱。然后将构建完成的概念知识图谱应用到纯数学文本题目的理解中,构建初等数学题目知识图谱用于推理系统,解答初等数学基本问题。知识图谱的存储形式是以三元组的形式存储,应用于图神经网络以及图上的推理算法不是十分契合,采用Trans E算法将知识图谱中的三元组数据训练成为词向量,词向量可以运用在根据头实体和关系预测尾实体、图推理等方面。综上介绍,本文主要完成了以下几个工作:（1）制定初等数学知识的表示形式。完成了实体结构表示、关系结构表示、以及数学领域的知识特征性表示,如命题的表示,二元关系与多元关系的相互转换等。（2）构建初等数学概念知识图谱。构建完成的概念知识图谱包含了实体551个,基本关系561条,三元组204763条。（3）通过图嵌入模型将概念知识图谱中的三元组数据训练成为词向量,词向量模型可用于根据首实体和关系预测尾实体。（4）基于初等数学概念知识图谱,结合自然语言理解生成题目知识图谱,题目知识图谱可运用于推理系统。题目知识图谱生成系统可用于任意数学题目文本到知识图谱的转换,通过测试了函数、数列、几何等模块各100个题目,实体正确率均在90%以上,关系正确率均在90%以上。