随着信息时代的到来,网络上的信息越来越呈现出指数形式爆发增长的态势,在这其中,文本信息占据了相当重要的组成部分,如何准确高效的获取知识成为亟待解决的问题。实体识别和关系抽取的联合模型的主要目标是同时从非结构化的文本中抽取实体类别和它们之间的语义关系。作为自然语言处理技术的底层技术,对于上层的应用有着显著的意义。本文围绕着实体识别和关系抽取的联合模型进行了深入的研究,主要工作内容和阶段成果如下:(1)复现了基于神经网络的实体识别和关系抽取的联合模型基线系统,并对当前模型可能存在的问题进行了讨论。(2)提出了一种基于参数共享的双向长短期记忆网络-图卷积神经网络的混合神经网络结构。模型通过引入句法的图卷积神经网络,用于更好的抽取句子中的关系。在公开数据集上,这个联合模型取得了相较之前工作更好的性能。(3)提出了一种基于特殊标注策略的融合自注意力机制的联合模型,将信息抽取任务转化为序列标注任务,通过自注意力子层学习句子内部的词依赖关系,在公开数据集上也取得了较好的表现。(4)初步搭建了基于实体识别关系抽取联合模型的知识图谱构建系统,实现了从非结构化文本中抽取三元组的解决方案。