随着互联网的发展网络上的信息越来越多,尝试从海量的冗余信息中挖掘出对用户来说有价值的信息,可以提高用户获取有用信息的效率;同时,从大量非结构化数据中获取结构化的知识,构建知识图谱,可以方便用户准确高效的查询相关信息。实体关系联合抽取技术可以有效的解决这个问题,将实体识别与关系抽取任务结合,减少两个任务间的误差传播造成的损失。对于具体运用来说,从文本中识别出实体和关系构建三元组,在知识图谱、信息检索等领域都有重大应用。本文通过对实体关系联合抽取任务的研究,分析了之前研究中存在的问题,提出了两个模型对实体关系抽取的效果进行提升,并设计实现了一个实体关系联合抽取的系统对模型的实用性进行了研究。具体来说,本文主要工作包括:·基于融合图层次卷积的联合抽取提出一种利用融合图卷积增强特征表示的联合抽取模型,将句法信息融入模型中进行实体关系联合抽取,解决了传统流水线模型缺乏两个任务之间交互,会造成误差传播和未利用依存句法信息利用的问题。在公共数据集上进行了实验,验证了本章模型的有效性。·基于双编码器的联合抽取参考机器翻译中序列到序列的模型,提出一种基于双编码器是的实体关系联合抽取模型。利用图卷积和形变LSTM对句子进行编码,并采取融合注意力机制解码,同时关注于句子的语法特征和上下文特征,采用序列到序列的方式文本进行实体关系抽取。·文本信息抽取可视化系统基于提出的两个联合抽取的模型,实现了一个实体关系联合抽取原型系统,用户通过可视化的界面可以对文本进行抽取,并对抽取出的三元组增删改查。