【摘要】[目的 /意义]特定领域中的信息检索系统，往往因为用户自身领域知识不足存在检索效率低下的问题。现有的面向特定领域的知识组织工具，如领域知识图谱，可以有效缓解这一问题，但是如何将其更好地嵌入到现有信息检索系统中是目前尚未解决的问题。因此，提出一套基于领域知识图谱的探索式搜索系统的全流程解决方案，包括从实体及关系的联合抽取、领域知识图谱构建到探索式搜索系统的实现。[方法 /过程]以图情领域学术文献为研究对象，对图情领域的实体及其间关系的形式化定义进行深入的探索、提出基于Paddle UIE实现实体及关系的联合抽取任务方法，并构建一个基于可交互图情领域知识图谱的原型检索系统。[结果 /结论 ]通过比较不同实体及关系联合抽取方法的效果，包括Paddle UIE、Cas Rel、Sp ERT和CORE，发现基于提示学习的预训练大语言模型Paddle UIE具有更好的抽取效果，特别是在样本量较少的情况下。此外，从进一步设计的两个搜索实验任务结果中可以发现，与通用搜索引擎相比，本文系统可以显著提高用户满意度，有效解决用户领域知识不足（如跨学科场景）下检索性能低下的问题，表明本文提出的全流程解决方案可以为学术文献服务提供方开发用户支持工具提供流程指导和建议。