句子级别关系抽取任务旨在识别句子中两个实体之间存在的语义关系。由于句子包含的词数量有限,导致关系抽取任务存在特征稀疏的问题。为解决上述问题,本文提出了一种特征演算的方法用于关系抽取任务,以充分获取句子的语义特征和结构特征。该方法使用关系实例中两个实体将句子的特征分组为不同的集合。然后,利用集合操作和逻辑运算对特征集合中的特征进行运算生成复合特征。本文的主要研究工作如下:（1）基于特征演算的关系抽取方法。现有工作大多基于贪婪算法或经验研究如何发现更多特征,很少考虑特征在句子中的语言特点和语法功能。对此,本文根据句子中的两个实体将特征进行组合以捕获句子的结构及语义信息,这样有助于最大程度地缓解特征稀疏问题。因此,本文提出特征演算方法操作形式化的特征。同时构建了一个最大熵模型,在ACE 2005中文数据集上系统性地探讨了不同特征组合方法对关系抽取性能的影响,证明了句子结构信息对关系抽取任务的重要性。（2）结合神经网络和特征演算的关系抽取方法。神经网络模型能自动获取句子语义特征表示,但不能对句子结构信息进行充分建模。因此,本文结合神经网络和特征演算的优势,提出将两者结合用于关系抽取的方法。该方法将特征演算生成的复合特征分别和卷积神经网络和双向长短期记忆网络结合,以使神经网络模型能获取到句子结构信息。在ACE 2005中文数据集上证明了本文提出方法明显优于其他基于神经网络的关系抽取方法。最后基于特征演算和神经网络设计并实现了一个界面友好的关系抽取系统。该系统抽取句子中存在的关系并形成结构化的数据以便存储和取用,为更多下游任务如知识图谱、智能问答等提供技术参考。