知识搜索的发展依赖于大规模知识图谱的构建和完善,如Freebase和Wikipedia都是规模十分庞大的知识图谱。然而它们都是全世界网民协同编写完善的。这种方式在现今大数据时代已经显得效率低下了。因此对能够自动化的信息抽取技术的研究显得尤为重要。本文研究了信息抽取中最主要的关系抽取技术,提出了基于表示学习的知识图谱关系抽取方法。本文主要完成了以下几个方面的工作:1.利用大规模知识图谱完成了对语料集的弱监督标注,结合了排序形式的关系抽取学习框架,更方便对文本进行表示学习,同时方便引入知识图谱embedding模型。2.研究并设计了基于卷积神经网络和循环神经网络的mention特征表示学习方法,相比传统方法,提升了关系抽取的表现。3.在单纯的只利用文本的关系抽取模型中引入知识图谱embedding模型,提升了关系抽取的表现4.实现了上述关系抽取算法模型,设计并进行了实验,测试验证本文提出的模型的效果。综上所述,本文利用表示学习的方法,免去了繁杂的特征工程,使模型具有了良好的扩展性,有效地提升了关系抽取的表现。