企业简介是企业信息的重要来源之一,大量有价值的企业信息蕴藏在各种企业简介中,如何从企业简介中高效地抽取信息,是自动化构建企业信息管理系统的基础。企业命名实体识别和关系抽取是将机器学习、深度学习等技术应用于企业信息管理领域,准确、快速地实现企业信息的抽取,从而帮助企业快速地构建企业信息知识图谱,辅助企业决策。为此,本文以企业简介文本为基础,通过抽取企业相关实体与关系,实现企业信息抽取,具体工作如下:（1）针对传统的词向量模型无法有效表示企业文本,复杂命名实体识别模型预测消耗大量的计算机资源与时间的问题,基于知识蒸馏原理设计一种命名实体识别模型。为保证获得良好的知识蒸馏效果,以模型结构类似为基准,选取BERT+CRF作为教师模型、Bi GRU+CRF作为学生模型。同时,在学生模型训练过程中,通过在总误差损失中加入软标签误差（学生模型与教师模型的知识误差）,在误差反向传播中缩小总误差损失,从而缩小软标签误差,使学生模型拟合教师模型的概率分布,从而达到近似教师模型的预测精度。最后使用学生模型进行命名实体识别,在较短预测时间的情况下,达到高的预测精度。经过实验对比,该方法能够在损失少量预测精度的同时,大幅度提高预测效率。（2）针对企业简介中一个句子包含多个三元组,并且多个三元组之间存在实体重叠的问题,采用一种基于规则的多阶段关系抽取方法。该方法首先使用已有的联合模型SPN4RE完成预选三元组的初始抽取。针对预选三元组存在错误三元组的问题,使用命名实体识别模型识别句子中所有的实体,使用文本分类模型识别句子中所有的关系,进而将预选三元组中可能存在错误实体与错误关系的三元组过滤掉。针对预选三元组存在遗漏三元组的问题,将句子中所有实体与所有关系按照预定义的三元组模式进行三元组补全,并基于预选三元组中出现频率最高的前N类三元组生成筛选模板,对补全后的三元组基于语义相似度进行自动化审核,最后将审核结果与针对预选三元组过滤后的结果进行合并,从而得到出最终的三元组集合。经过实验证明,该方法能够提升联合模型的F1值,且能高效解决企业实际应用中基于大规模知识构建企业知识图谱之前信息抽取的需要。（3）以上述研究为基础,设计了一个企业信息抽取系统。首先,该系统对企业简介进行有效文本识别,识别出企业简介中含有关系的句子。然后对有关系的句子进行实体识别和关系抽取,生成企业信息三元组,利用Neo4j进行企业信息的可视化展示,从而辅助企业从企业简介文本中准确地获取更多的有用知识。