领域本体学习是一种针对特定的领域自动的获取该领域本体中的概念和概念间关系的学习方法,随着民航行业与互联网信息技术的迅速发展,民航应急管理对领域本体的自动学习提出了更高、更大的需求。领域本体自动学习包括领域本体概念学习和领域本体概念间关系的自动学习,本文围绕领域本体中关系的自动学习进行了相关的研究。对目前文本信息处理中关系提取方法进行详细的研究,着重分析了现有深度学习方法在关系提取中的应用现状,并对比了这些关系提取方法的优劣,提出了一种将长短期记忆模型(Long Short-Term Memory,LSTM)与注意力机制(Attention Mechanism)相结合的关系提取方法,首先将文本信息向量化,提取文本局部特征;然后将文本局部特征导入双向LSTM模型中,引入注意力机制对LSTM模型的输入与输出之间的相关性进行重要度计算,根据重要度获取文本整体特征;再将局部特征和整体特征进行特征融合,通过分类器输出分类结果。在公共语料库SemEval-2010 Task 8上的实验效果优于其他深度学习方法。以微博、微信、航空安全自愿报告系统等跨媒体信息中与民航突发事件相关的信息作为数据来源,对这些文本信息进行去重、实体和关系标注,设计了一种基于非结构化文本信息的领域本体关系提取方法,对民航突发事件领域本体概念间关系进行自动识别,关系提取的F值比现有的领域本体关系提取方法有了很大的提升。