随着科技的不断发展和国外局势的日益紧张,人们对于权威报刊新闻热点的关注度越来越高,然而传统的新闻报刊已经少有人问津。相比冗余复杂的权威报刊信息,知识图谱以其结构化、网络化的特点,能够更好地满足人类获取权威报刊信息的感官体验,满足用户快速获取新闻间关系的需求。当前广泛应用的知识图谱主要有金融、医疗、旅游等领域。由于报刊新闻信息的关系复杂,因此市面上权威报刊领域的知识图谱还很匮乏。针对以上背景,本文通过对权威报刊的传播影响力和热点关注度进行研究,选定并构建了纽约时报权威报刊库,自主标注了权威报刊领域数据集,搭建了基于权威报刊领域的实体关系联合抽取模型,构建了权威报刊知识图谱,设计了基于Web的权威报刊领域知识图谱的检索推荐平台。具体内容包括:（1）权威报刊知识库的选取与构建。本文基于网站点击量、分享量,报刊发行量,传播与影响范围等,对报刊传播影响力进行研究,确定了报刊选取范围。利用分词和实体识别技术,强化检索和抓取“宗教、政治、经济、法律”等热点词汇进行词频统计,得到不同报刊的热点关注度。通过热点词汇的词频统计对选取范围内的权威媒体报刊排序。最终选定纽约时报为本文的目标报刊。为了构建权威报刊知识库,本文针对纽约时报新闻网的规则和实验过程中遇到的反爬虫机制,基于网络爬虫技术设计了一个权威报刊知识爬取器。以此为工具进行权威报刊知识的获取,构建权威报刊知识库,为图谱构建提供数据支撑。（2）权威报刊领域知识图谱的构建。本文对于知识图谱构建需要的关键技术即知识抽取、实体对齐和知识存储进行了研究与实现。本文设计了基于BERT语言模型的实体关系联合抽取模型。通过自主标注训练集的方式,定义了的权威报刊知识图谱实体10种,关系类别9种。构建了包含72569个实体,327883个关系的权威报刊知识图谱。同时,针对一个语句中含有多个三元组的情况,本文采用指针结合标注的思想应用到权威报刊知识抽取模型中。针对语义歧义的实体,本文提出了一种Dice和编辑距离联合算法用于实体对齐,优化图谱效果,避免实体歧义。最终将得到的三元组信息通过Neo4j进行知识存储。（3）基于Web的权威报刊知识图谱检索平台。基于本文构建的权威报刊知识图谱。利用Python的Flask库搭建Web网页框架,利用Elasticsearch搭建搜索引擎。并通过Flask后台开发框架、Echarts图形可视化框架、BootStrap前端可视化框架等技术的交互设计,搭建了权威报刊领域的知识图谱检索推荐平台。该平台集成了权威报刊图谱可视化、权威报刊图谱检索、权威报刊智能推荐、权威报刊图谱扩展、权威报刊时间轴动态调整等模块。能够满足当前社会上对国外权威报刊新闻获取的需求。