随着计算机与互联网的不断发展,社会逐渐进入了智能信息化时代,各行各业的信息也呈指数增长。近些年新技术与专业领域相结合成为了一种研究趋势,也不断地为人们提供了诸多便利,知识图谱的快速发展可以将这些杂乱的数据信息关联起来,提升数据的利用率,能够更好地进行知识挖掘。现有知识图谱大多都面向的百科知识领域,在特定领域方面的知识图谱构建比较少,因此,本文针对特定领域的知识图谱构建和文本选择系统展开研究。主要研究内容如下:（1）领域知识图谱构建。提出了融合BERT的Bi LSTM-CRF命名实体识别模型。在构建知识图谱之前,首先针对命名实体识别任务进行研究,提出将特定领域知识数据加入到BERT预训练模型中,然后连接Bi LSTM-CRF完成命名实体识别任务,该模型在传统的Bi LSTM-CRF模型上增加BERT预训练模型,提升了模型对上下文的理解,能够更好的识别出实体。通过在人民日报数据集和特定领域数据集上进行实验,命名实体识别的准确率均高于其他对比算法,实验证明该方法的有效性。（2）改进NSGA-II的文本选择模型。本文根据构建的领域知识图谱,对输入的语句根据专业知识进行知识推理和知识表示,能够生成一定量的专业描述。为了使生成的文本更具有针对性,提出将多目标优化算法应用于文本序列排序中。本文将NSGA-II优化算法进行改进,提出将差分变异策略来代替NSGA-II的变异策略,并将差分变异策略中的控制因子进行自适应调节,使得算法在收敛性和分布性上都有有效的提升,实验证明该改进算法在GD、IGD、SP指标上均优于同类算法。（3）本文将特定领域的知识图谱作为基础,构建了火电领域的文本选择系统平台,通过分析项目需求、系统特点,对该平台进行主体的功能设计。结合知识图谱可视化和文本选择两方面需求,设计了搜索功能、文本展示功能、图谱可视化功能。本文对系统架构进行设计,总体分为数据层、图谱层、应用层,通过系统运行测试,实现了基本设计的功能。