针对现有方法中忽略语义信息和重复提取语义相似的关键词的问题，提出了一种基于双向编码表示（BERT）模型的无监督单文本关键词提取模型。该模型首先对提取的文本进行预处理，选择候选词，然后利用Bert模型的隐藏层结合全文信息，得到候选词的词向量，然后在聚类层添加筛除语义重复的候选词。最后，获得全文语义向量，计算候选词与全文的语义相似度得分，排序后提取关键词。实验结果表明，当提取的关键词数为5和8时，该模型的准确率分别为34.21%和26.34%，优于传统的文本rnka和TF-IDF提取模型。结果表明，该模型通过整合语义信息，提高了中文单文本关键词提取的准确性，改善了关键词重复提取的问题，使提取的关键词更加准确，有效地提高了单文本关键词提取的质量。