【摘要】[目的/意义]针对专业领域研究人员难以从大量无监督文本数据中，快速获取领域关键知识，以精准把握专业研究方向和内容。[方法/过程]文章提出一种基于迁移学习领域自适应的文本关键词提取模型。首先通过采集知网中特定领域的文章和关键词，将其作为目标域数据，将待提取关键词的无监督文本作为源域数据，通过最小化二者间的共享相似特征和关键词分类交叉熵，实现关键词提取方法的跨领域迁移，完成对无监督领域文本的关键词提取任务。[结果/结论]对1313篇“人工智能风险”主题的文章进行领域关键词提取，实验表明该领域关键词提取模型相比于BiLSTM-CRF、TF-IDF模型提取效果提升显著，在领域关键知识提取场景中有较强应用价值。