随着信息技术的发展,人类社会进入大数据时代。知识图谱能连接相关数据并建立关系网络,为影视、医疗等行业提供有力支持。关系分类与关系抽取是构建知识图谱的关键技术,深入研究具有重要意义。关系分类旨在实体已知的情况下,预测实体之间的关系类别。关系抽取旨在实体未知的情况下,抽取文本中的关系三元组。句法分析捕获词汇间的依存关系,包含句法结构与句法依赖。使用句法分析技术能显著提升关系分类与关系抽取任务的效果。本文从句法分析的角度出发,对上述任务展开研究,主要研究内容如下:（1）在关系分类任务中,主流方法学习句法分析树的拓扑结构,丰富节点的语义信息。但是忽略了实体对、最近公共祖先节点所在子树的句法结构,导致未充分使用句法信息。此外,现有方法仅使用实体词汇进行关系分类,忽略了其他词汇的贡献,导致语义信息提取不完整。因此,本文提出了基于句法结构和关系指示词嵌入的关系分类模型。首先,通过预处理文本,获得分词结果以及句法分析树,利用统计方法获得关系指示词,增加其他词汇的贡献。然后,利用图同构网络提取句法分析树的句法结构特征,充分利用句法结构信息。其次,结合句法结构特征和关系指示词进行关系分类。最后,在DuIE数据集与SanWen数据集上进行实验,较基线模型F1分数分别提升3.72%与2.08%,验证了句法结构与关系指示词对于关系分类任务的有效性。（2）在关系抽取任务中,大多数方法仅对句法分析树编码,忽略了词汇间的主谓、动宾等句法依赖,导致句法信息丢失。此外,句法分析树中存在噪声信息,会对关系抽取造成负面影响。因此,本文提出了基于BERT预训练模型和句法依赖的关系抽取模型。首先,使用BERT预训练模型获得词嵌入,丰富词汇的语义信息。然后,在不同语境下,利用键值记忆网络学习句法依赖,提取更加丰富的句法信息,增强词嵌入的表达能力;同时,识别句法分析树中的噪声,降低噪声的影响。其次,使用LSTM对特征进行编码、解码,抽取关系三元组。最后,在WebNLG数据集与DuIE数据集上进行实验,较基线模型F1分数分别提升2.3%与4.4%,显示了该模型在关系抽取任务中的优越性。（3）自动化知识图谱构建系统能够对不同领域的知识图谱构建提供支持,降低人工成本。本文结合相关技术,设计了一个自动化知识图谱构建系统,并将提出的关系分类、关系抽取算法应用于知识图谱自顶向下构建过程。