实体关系抽取作为自然语言抽取领域的重要子任务,在知识图谱、搜索引擎以及智能问答等下游任务中发挥着重要的作用,根据命名实体识别和关系抽取两个子任务是否相互独立,分为流水线式抽取和联合式抽取两种方法。近年来基于预训练语言模型的联合式实体关系抽取方法取得了不错的研究进展,但仍然会出现实体重叠、关系重叠以及实体冗余等问题,同时在进行关系抽取时没有充分利用实体本身蕴含的重要信息。特别是中文实体关系抽取,由于语言表达的特点,在进行实体关系抽取的第一步便是分词,在这个过程中常常会出现实体边界切分错误;并且由于中文语义比较复杂,实体关系抽取研究起步比较晚,而且相关研究不如英文那么热门。本文针对联合式实体关系抽取存在的问题以及中文研究存在的现实困境进行了深入的分析研究,提出了一种基于模式和预训练语言模型的中文实体关系联合抽取方法SC-ERE（Schema-based Chinese Entity Relation Extraction model）,并在Du IE、San Wen、Fin RE以及ACE2005数据集上进行了实验,验证了本文提出的方法的有效性。本文的主要工作如下:（1）采用字词混合向量的方式将预训练的词向量与字向量相结合,同时加入包含位置信息的位置向量,提高中文分词边界切分的准确度,进一步提高模型的整体表现。（2）采用“先抽取头实体,再抽取特定关系种类下的尾实体”的实体关系抽取框架,允许头实体同一关系种类下存在多个尾实体,能够解决实体重叠和关系重叠问题。（3）提出了利用关系模式对基于预训练语言模型的实体关系抽取方法进行增强的方法,利用关系模式进行头实体所存在的候选关系种类以及存在关系的实体的筛选,可以增强模型对于特定关系以及存在关系的实体的关注度,解决实体冗余问题;（4）提出了利用实体类型信息进行尾实体抽取的方法,将尾实体类型编码与句子编码、头实体编码以及关系种类编码相结合,能够对尾实体的识别进行指导和约束,提高三元组抽取的准确率。