本发明公开了基于知识图谱构建的信息抽取方法，包括（1）获取用于知识抽取的原始文本，并对其进行预处理，（2）对预处理结果分别进行名词维度、“的”字关系维度、数量词维度的多维度实体抽取和动词维度的关系抽取，（3）对抽取的实体和关系进行知识融合，（4）添加自定义专有名词处理过程，以解决分词过程中的过度拆分问题，最后生成满足实体‑关系‑实体的三元组并进行标注，组成实体关系对集作为Bert‑CNN‑CRF模型的训练样本，（5）利用Bert‑CNN‑CRF模型，进行关系和复杂实体的学习，本发明能够用于自然语言处理领域的知识图谱构建工作，通过将属性抽取转化为实体抽取和多维度实体抽取等过程，抽取出复杂实体和更加合理化的文本知识，具有较强的扩展性。