由于社会历史的发展,源于同一族系下的民族成员生活在不同国家并形成了跨境民族,这些民族之间在文学艺术、节庆习俗等传统文化习俗上基本相同。随着跨境民族之间的友好交流,互联网上出现许多跨境民族文化领域数据,利用深度学习技术从文本中抽取领域实体信息和实体对之间的关系对于推动跨境民族文化领域研究工作具有重要的价值。采用当前主流的实体识别和实体关系抽取方法抽取跨境民族文化领域信息时还存在以下问题:缺乏跨境民族文化领域实体识别和实体关系抽取训练数据集,该领域文本中存在大量的领域实体和组合实体造成实体边界模糊,跨境民族文化领域中存在实体关系重叠以及领域词语切分不准确的问题。针对以上问题,论文主要完成了以下研究:（1）跨境民族文化实体及实体关系抽取语料库构建:通过分析云南边疆地区所存在的跨境民族相关数据,选取境内的傣族、彝族等民族和境外相对应的泰族、掸族、佬族、倮倮族民族作为主要的跨境民族,详细地介绍了跨境民族文化领域中实体和关系的特点,通过爬虫技术获取了互联网上的相关数据,构建了领域词汇5千个、实体识别语料1万5千句以及实体关系抽取语料1万8千句为后续研究提供领域特点分析和数据支撑。（2）基于词集合注意力的跨境民族文化实体识别方法:在跨境民族文化领域文本中存在大量词边界模糊的领域实体和由多个词语构成的实体,使用当前主流的实体识别方法会面临领域实体边界模糊,造成实体识别错误。为了解决所存在的问题,提出基于词集合注意力的跨境民族文化实体识别方法,通过融入词集合信息缓解跨境民族文化领域中存在领域实体边界模糊的问题。根据（1）中构建的跨境民族文化领域词典训练语料得到领域词向量,通过词集合匹配方法获取词集合信息,利用词集合注意力机制对词集合信息进行权重分配,以此将词集合信息融入到预训练语言模型的字符表征中,通过Bi-GRU和自注意力机制进行向量编码并训练实体识别模型,最后,实验表明提出方法F1值达到了94.71%。（3）基于多层指针标注的跨境民族文化实体关系抽取方法:现有的实体关系抽取模型在领域信息表示缺失的情况下,模型对底层领域实体的标注能力差,使得模型抽取出较多的错误实体关系,跨境民族文化文本中实体对密度分布高,使得文本中存在较多的重叠实体关系三元组,针对这些问题提出基于多层指针标注的跨境民族文化实体关系抽取方法,采用融入领域词典增强领域信息表示并利用卷积神经网络提取输入文本中的领域特征,将获取的特征表示融入到字符特征表示中增强上下文领域信息表示;采用Bi-LSTM提取进一步提取上下文语义信息,通过多层指针标注头实体和关系条件下的尾实体解决实体关系重叠问题,实验表明提出方法相比其他模型有一定的提升,F1值达到了82.50%。（4）跨境民族文化实体及实体关系抽取原型系统:基于上述相关理论研究,采用Django框架开发了该原型系统并介绍了原型系统的环境配置、模型搭建、模型训练过程以及系统功能,通过Sanic技术框架将模型转换为接口整合到跨境民族文化实体及实体关系抽取原型系统中。该系统的模块包括了跨境民族文化实体识别模块、跨境民族文化实体关系抽取模块等。