摘要：本文提出了一种基于BERT（Bidirectional Encoder Representations from Transformers）的烟草新闻知识图谱构建方法，将BERT的强大语义理解能力与知识图谱技术相结合，以自动化抽取烟草新闻中的实体、关系及属性。针对烟草新闻中语言复杂多样、实体隐含表达等挑战，利用BERT的上下文关联性建模，提升了实体识别和关系抽取的准确性。通过构建高质量的烟草新闻知识图谱，本文为烟草行业提供了全面的数据分析基础和决策支持，推动了行业智能化应用。实验结果表明，该模型在烟草新闻实体识别与关系提取方面表现出较高的准确性和鲁棒性。