针对目前特定领域知识图谱构建效率低、领域已有知识图谱利用率不足、传统模型提取领域语义专业性强实体困难的问题，提出了基于BERT多知识图融合嵌入的中文NER模型(BERT-FKG)，实现了对多个知识图通过融合语义进行实体间属性共享，丰富了句子嵌入的知识。该模型在开放域和医疗领域的中文NER任务中，表现出了更好的性能。实验结果表明，多个领域知识图通过计算语义相似度进行相似实体的属性共享，能够使模型吸纳更多的领域知识，提高在NER任务中的准确率。