信息抽取任务是自然语言处理技术中处理非结构化文本的重要方法,而命名实体识别和关系抽取是信息抽取中的两个主要子任务,命名实体识别可以从非结构化文本中抽取出指定实体及其类别,关系抽取能从中抽取形如＜头实体,关系,尾实体＞的关系三元组,同时这两个子任务也是搭建知识图谱及智能问答的关键性基础任务。在以往的众多研究中研究者多偏重于英文通用领域的信息抽取研究,而中文的信息抽取研究较少,同时对于特定领域的研究也较为欠缺。本文针对上述问题进行了相应的研究。针对中文信息抽取,由于中文重在表义,本文提出一种融合多层语义信息的结构,将预训练语言模型Ro BERTa的12层Transformer Encoder进行了不同语义层次的整合,从而更好的表示中文语义。同时结合因具有解耦性和易实现性,而被工业界广泛采用的流水线式模型搭建实体关系抽取模型。为使模型更好的识别实体与关系,笔者对各模块进行了不同的深度学习神经网络组合,并进行消融实验以验证其有效性。最后在中文实体关系公开数据集Du IE 2.0上对模型整体效果进行了实验。针对流水线式模型存在的误差传播且对嵌套实体和关系重叠识别效果较差等问题,本文通过构建多层指针网络结合主谓感知二阶段模型,搭建联合式实体关系抽取模型解决上述问题。该联合式模型对实体关系任务进行了重新划分,第一阶段进行头实体与关系的识别,并对所识别出的头实体与关系向量进行存储以便于第二阶段识别尾实体,从而实现实体关系三元组抽取,并在Du IE 2.0进行实验,结果表明该模型优于流水线式模型和其他主流联合式模型。本文以煤矿安全作为特定领域信息抽取的研究对象,为解决煤矿安全领域无公开已标注数据集问题,本文首先利用网页爬虫等技术进行煤矿数据采集,其次对煤矿安全实体关系进行定义,同时为了降低人工成本,本文基于主动学习的思想提出一种多轮次半自动化实体标注方法,在保证标注质量的同时最大限度降低人工成本。以此方法进行实体标注后再进行关系标注,形成煤矿安全实体关系数据集。其次,为使模型更好表达煤矿语义,将Ro BERTa在煤矿语料上进行进一步预训练,并结合上述流水线式模型的NER模块和主谓感知联合式模型,提出了面向煤矿安全的实体关系抽取模型。最后为更便于普通用户使用此模型,本文以网站为平台搭建了煤矿安全实体关系抽取系统。