在产业互联网蓬勃发展的今天,对产业合作场景进行分析,实现全球精准合作,已经成为产业发展的必然趋势,这不仅对政府决策人员具有重要参考意义,也为企业决策者提供了指导意义。产业合作相关信息广泛存在于互联网的产业新闻资讯中,利用大数据和人工智能技术,从非结构化的新闻资讯中抽取出结构化的产业合作信息,并进而组织成为知识,具有十分重要的应用价值和现实意义。对于产业合作这一细分领域,没有合适的标注数据集用来构建信息抽取模型,因此数据集的构建也成为产业合作信息抽取任务中的难点与关键点。本文关注产业合作场景中产业合作关系的抽取,设计并实现了针对产业合作领域的关系抽取框架,能够从产业新闻资讯中抽取企业实体和企业间的合作关系。框架中涵盖了从数据清洗到抽取结果整合的完整流程,包含基于模式匹配的规则抽取和基于机器学习的模型抽取两条数据通路,能够自动化完成产业合作领域的关系抽取。此外,本文针对框架中的相关企业抽取模型和产业合作关系抽取模型进行了优化。针对实体抽取模型,通过词向量和词性信息获得组合特征,并在网络结构上使用多层CNN+双向LSTM的方案,能够结合局部特征和全局特征,带来更好的模型效果。针对关系抽取模型,本文提出基于上下文模板约束的半监督关系抽取方案,能够从小数据量出发,通过半监督学习对数据集进行扩展,并充分利用已有标注数据,提取标注数据中的上下文模板作为先验知识,对扩展的伪标签样本进行置信度评估,提高扩展数据的质量,进而构建更好的关系抽取模型。本文构建了产业合作数据集,并在数据集上进行对比实验,验证了本文方案的有效性,并将方案应用到产业发展决策支持系统中,为用户提供服务。