目前,自然语言处理是人工智能的热门研究领域之一,它涉及的研究方向很广泛,如文本分类、机器翻译、信息抽取等。其中,信息抽取旨在通过算法实现自动从文本中获取各种各样的信息。文本的形式各种各样,一般可分为结构化文本,半结构化文本和非结构化文本。本文研究的信息抽取任务主要是从非结构化的文本中抽取相关信息构建结构化的数据。文档是保存信息的一种主要方式,并且文档中的绝大多数信息是以无结构的纯文本形式存在,它们没有结构化的数据表示,因此,从这些文本中抽取相关信息是一个重要的且有意义的研究方向。特别是对于现在各个领域的文献而言,从这些文档中抽取信息并构建数据库对各个领域的科学研究非常重要。文档（如科学文献、出版书籍等）相对于微博、评论、博客等文本而言有如下优势:第一,文档当中的逻辑和语法更加严谨,极少出现网络文本中存在的文字、逻辑和语法上的错误;第二,文档中包含的信息具有更加紧密的联系,包含更多的领域性知识,而不像网络文本中,前后信息差异很大;第三,文档中包含更多的信息,可以一次性从文档中获取更多的相关信息。然而,从文档中抽取信息面临着很多困难:（1）文档一般都包含大量文字,目前并没有解决直接对篇幅很长的文本一次建模的方法;（2）文档中包含很多实体,但并不是每个实体对相互之间都存在关系,仅仅只有少部分实体之间存在关系,很难确定合适的阈值判定两者之间是否存在关系;（3）同一实体对之间可能存在多种关系,因此是一个多标签分类问题;（4）文档中实体之间的关系推理涉及跨句推理,因此相对于句子级别的关系抽取而言,它面临更大的挑战;（5）实体对交换位置后,两者之间的关系可能不同。为了能够有效地从文档中抽取相关信息,本文选择ATLOP模型作为基准模型,在它的基础上提出了Doc GSE模型来处理超长文档,并在Doc RED数据集、CDR数据集和GDA数据集上进行了实验。ATLOP模型是基于预训练语言模型BERT和RoBERTa的一个简单模型,仅包含预训练语言模型作为词向量编码器并添加三个线性变换构成分类器,因此适合作为基准模型。由于数据集中存在长度超过预训练语言模型限制的最大长度,对于超过长度的序列,通过截断的方法分成两部分,使得这两部分相互独立。因此,通过预训练模型编码得到的超长序列词向量并没有将截断的两部分建立联系。本文通过图构建模块构建文档图,并使用图神经网络作为图编码器对整篇文档编码,并将文档图的结构信息和语言模型计算的语义信息融合来解决文档被划分为多个部分导致上下文不相关的问题。本文的研究和实验表明,融合文档图的结构信息可以改进模型在超长文本序列上的关系抽取效果。相对基准模型ATLOP而言,基于图卷积神经网络和图注意力神经网络的图编码器在BERT、RoBERTa和SciBERT上都取得了较好的效果,特别是在超长文本序列上的效果提升尤为明显,在三个数据集上,F1分数提升了1%左右,而Long F1分数提升了1%～7%。