关系抽取技术可以从非结构化文本中抽取出结构化信息,是构建信息知识库最重要的环节之一。中文语料数据来源多种多样,关系事实交错复杂,且由于某些领域的数据敏感性,领域内缺少大规模公开数据集,给关系抽取提出了新的挑战。因此,以某领域为例展开了关系抽取模型的研究与应用。设计了一种联合关系抽取模型。在语义表征方面,针对领域内关系抽取任务的特点,通过改造预训练过程的遮盖操作,使用领域内的新闻语料和百科知识进行再预训练,将外部知识融入预训练模型,加强模型对领域内自然文本的表达能力;结合中文依存句法和关系抽取任务的联系,使用双仿射注意力机制提取句子的句法信息,对原生多头注意力机制进行改造,通过依存句法增强的多头注意力层将句法信息融入句子的表征向量,用句法信息辅助关系抽取;在模型设计方面,为了优化复杂场景下的关系重叠问题,平衡模型复杂度与抽取完备性,采用基于标签策略的联合抽取方法,将实体关系抽取任务转换为多标签分类任务。为了缓解多标签分类任务中的样本不均衡问题,探究了基于交叉熵损失函数改进的损失函数在关系抽取任务中的可行性。在训练数据方面,从样本均衡和样本降噪两方面进行了数据增强。在开源的中文数据集上进行了验证实验。模型在开源数据集上取得了良好的效果,联合关系抽取模型可以正确地抽取非结构化文本中的多关系三元组,预测速度较快,通过消融实验验证了联合关系抽取模型中各个增强模块的有效性。设计和开发了面向特定领域的联合关系抽取系统,构建了特定领域内的数据集。系统中的关系抽取模块在预训练、前处理和后处理过程进行领域适配以提升抽取性能,系统能够对新闻网站爬取的语料进行抽取,将抽取的关系三元组更新到关系图谱中,用户可速览关系图谱的总体信息和更新状态,可通过实体、关系查询具体的关系三元组,可在已查询出的实体上进行关联查询。