日常生活中的信息多以文档的形式呈现,挖掘文档中实体对之间的关系更具有实际意义。但是现有的关系抽取方法大多是句子级别的,难以捕捉文本中相隔较远的实体对之间的关系,为了弥补这一点,文档级关系抽取技术应运而生。本文拟从以下三个方面对文档级关系抽取技术展开研究:（1）基于序列的文档级关系抽取方法研究。基于序列的文档级关系抽取方法可以看作是句子级关系抽取方法的延伸,本文在该部分探究了两种具体模型,分别是利用远程监督数据集进行预训练的模型和基于Transformer的编码模型,并分别针对这两种模型提出了改进模型。（2）基于图的文档级关系抽取方法研究。基于图的文档级关系抽取方法主要将文档的信息从序列的形式转换为图的形式,进而利用图卷积神经网络完成对文本信息的抽取。本文在该部分同样探究了两种具体模型,分别是利用图卷积神经网络进行隐式推理的模型和基于提及实体分别构图的图推理模型。这部分研究为本文最优模型的提出奠定了理论基础。（3）融合序列和图的文档级关系抽取方法研究。该部分研究主要是将基于序列的文档级关系抽取方法与基于图的文档级关系抽取方法进行融合。具体做法是利用基于序列的文档级关系抽取模型中表现良好的模块对基于图的文档级关系抽取模型中的部分结构进行增加或替换。本文在该部分研究中提出了最优模型,并将该模型与本文所有模型的效果进行对比,分析不同模型的优劣,进而得出最终结论。