检测机构与待检测机构可以在网络平台上实现信息共享。但随着行业的快速发展,相关检验检测数据信息迅速增长,衍生出大量杂乱无章、堆叠拥挤、包含检测实体及实体间的服务关系的无结构数据。如何从海量的检测数据中检索到目标信息,搭建检验检测服务关系关联网络,是研究的重难点。将关系抽取技术应用在检验检测领域能挖掘语义关联网络中的检测实体信息,并以此建立领域知识图谱,能实现检测服务信息的最大化获取。然而现阶段对检验检测领域的研究不够深入,且检验检测数据复杂度高、实体密度大、三元关系重叠,增加了关系抽取的难度。为此本文展开检验检测关系抽取研究,主要工作有:（1）检验检测数据语料的获取与标注。本文首先利用爬虫技术获取新闻文本,清洗数据筛选出含有检测信息与位置信息的数据,对关系分类然后得到实验所需的数据。文章通过人工标注与远程监督辅助标注的方式对数据进行标注,在远程监督辅助标注时,本文通过数据种子将具有相同实体对的数据都标注成示例关系,缓解人工标注数据代价大的问题,同时将PCNN（Piecewise Convolutional Neural Network）与多层注意力结合,利用层级注意力降低分段卷积池化层、关系实例与特征层中的噪声,降低了模型错误标注的概率。最后将数据整合,得到检验检测服务关系语料库。（2）检验检测服务关系抽取算法。本文提出BLSTMN-Attention关系抽取算法,设置关系标签强化模型对不同关系的区分能力,并加入卷积神经网络提取高密度的实体信息。为得到数据的精确表示,本文使用BERT预训练模型获取动态语义特征,根据实体的编码定位输入数据中的检测实体,对实体特征做平均加权处理,增强算法对检测实体的识别能力;利用BGRU与注意力机制学习不同关系的分类特征,降低了实验数据的复杂度;设计基于ALBERT-BGRUA模型的关系抽取算法,利用BIO序列标注的方式对实体进行标注,判断实体的类型,做实体配对,根据检测语义关系判断实体对之间的关系类型,缓解了数据三元关系重叠的问题,降低了模型的训练时间。（3）检验检测服务平台的搭建。最后设计具有知识图谱展示、知识抽取功能的检验检测服务平台,内置检测服务关联网络,简化语义关联网络的展示与检索过程,使用户可以直接查看和检索检测服务关系。实验结果表明,本文提出的关系抽取算法对检测数据中的问题具有一定的针对性,且检验检测服务平台的搭建为关系抽取应用于检测检测领域打下了坚实的基础。