随着政策文件数量的迅速增长，政策文本结构复杂、信息高度碎片化，导致政策解读与跨部门协同治理的难度不 断加大。传统政策文件管理和检索方式已无法满足多元化分析和智能推理的需求。知识图谱作为人工智能领域的重要技术， 通过结构化表达语义关系，为政策文件智能检索、自动归纳与知识推理提供了理论与方法支撑。本文提出一种政策文件语 义关联知识图谱的构建方法，系统梳理政策语料的特征，设计基于自然语言处理与本体建模的知识抽取流程，采用实体识别、 关系抽取、语义对齐等关键技术，实现了跨部门、跨领域政策文本的语义融合。实验结果表明，所构建的知识图谱在政策检索、 政策溯源、主题聚类和政策智能问答等场景下表现优异，有效提升了政策信息服务的智能化水平。文章最后对知识图谱在 政策研究与社会治理领域的应用前景与优化方向进行展望。