El reconocimiento preciso de objetivos de vehículos aéreos no tripulados (VANT) en el modo de guerra inteligente depende de una base de conocimientos de VANT altamente estandarizada, por lo que es crucial construir un grafo de conocimiento adecuado para la fusión de información multifuente de VANT. Sin embargo, debido a la falta de conocimiento del dominio y a las técnicas de construcción engorrosas e ineficientes, los enfoques de construcción inteligente de grafos de conocimiento para VANT son relativamente atrasados. Con este fin, este artículo propone un marco para la construcción y aplicación de un grafo de conocimiento estandarizado a partir de datos no estructurados de VANT a gran escala. Primero, se definen las clases de conceptos y relaciones de VANT para formar una ontología especializada, y se etiquetan los triples de extracción de conocimiento de VANT. Luego, se diseña un modelo de extracción de conocimiento en dos etapas basado en una representación semántica contextual con atención relacional (UASR) basado en las características del corpus de extracción de conocimiento de VANT. La representación semántica contextual se aplica a la tarea posterior como una característica clave a través del método de atención de Perceptrón Multicapa (MLP), mientras que el enfoque basado en el mecanismo de atención relacional se utiliza para calcular la representación contextual consciente de relaciones en la etapa de extracción de entidades sujeto-objeto. Se llevaron a cabo extensos experimentos en el conjunto de datos anotado final, y la puntuación F1 del modelo alcanzó el 70.23%. Con base en esto, se logra una presentación visual basada en el grafo de conocimiento de VANT, que sienta las bases para la aplicación en el backend de la tecnología de construcción inteligente del grafo de conocimiento de VANT.