由于Web2.0时代的到来,互联网从信息共享时代步入了信息共建时代,网络新闻的迅速发展极大的改变了人们在生活中获取新闻信息的媒介和习惯。在大数据时代的今天,我们要对互联网上日益递增的新闻数据进行高效率的全网检索常常都会因其海量、高复杂性、非结构性的特点而受阻。为了提升用户与互联网之间的互动体验,实现更高质量检索,最终实现能够预测出互联网用户所需信息的目的,知识图谱便应运而生。本文在爬取到的网络新闻数据基础上提取了单一主题新闻中的实体,通过算法调整实体关系网络各个实体之间的关系,从而构建各个新闻事件下的知识图谱。首先对获取到的原始新闻数据进行简单的处理,获得初步的实体和相关关系,然后基于初始关系网络的三元封闭原理,建立了实体间“稳定”这一关系的概念,并计算每条边的“稳定”占总图中的“稳定”比例,以此为依据建立评估实体之间关系的权重的指标。再使用优化的Kruskal算法来获得部分主题新闻的知识图谱,本文中称为基础型知识图谱(Basic Knowledge Graph,后简称BKG)。针对相同的新闻事件,在不同媒介和不同时间点抓取到的数据,可构建出实体种类相异的BKG,而由于不同的新闻数据所报道的是同一事件,这些BKG中必然包含有相似度极高的实体,然后利用大量相似度极高的实体对得到的BKG进行图谱融合,从而得到一个主题下综合的知识图谱。本文通过对上述方案,最终可以将获取的真实新闻文本数据有效的构建成网络新闻数据下的知识图谱。通过实验效果的评估,保证了所采取的构建方案的有效性和可靠性。因此,本文所研究的内容对新闻领域的知识图谱的构建具有一定的实用价值。