随着互联网技术的发展与大数据时代的到来,文本数据的规模正在呈爆炸式增长。新闻文本数据中通常蕴含着丰富的高价值信息,然而用户很难从中高效地获取这些有价值的信息。而信息抽取可以从非结构化文本中过滤掉大量的冗余信息,保留高价值、结构化、高可用性的数据。关系抽取作为其重要子任务,旨在从非结构化文本中提取实体之间的关系。同时,关系抽取的结果还可以应用于人物社交网络的构建、知识图谱的构建等下游任务中。为了挖掘新闻中蕴含的实体之间的潜在关系,本文设计了一种基于远程监督的关系抽取算法与一种基于序列标注的开放域关系抽取算法,并利用所提算法构建了一个关系抽取可视化原型系统。本文的研究内容主要包括以下三个方面:1)本文提出了一种结合句法图注意力机制和序列信息的远程监督关系抽取算法BGSGA。算法将单词的上下文序列信息与句法信息进行融合,捕获互补的语义信息与句法结构信息。算法设计了一种句法图注意力机制,用句法邻域单词的表示来更新当前单词的表示,以此获取依存句法图中单词的句法结构重要性信息。多组实验结果表明BGSGA算法在几个基准数据集的表现优于多个对比算法。2)本文提出了一种基于序列标注和依存句法分析的面向开放域关系抽取算法STDP。算法设计了一种句子重组策略,将带有并列关系的复杂句子进行拆分重组。在最大限度不改变句子语义的情况下,简化句子结构,降低对关系指示短语的标注难度,同时使算法具有捕获重叠三元组的能力。算法利用序列标注的思想在句子中标注关系指示短语,并设计了一种后处理策略,以期得到完整的实体关系三元组。对比实验证明了 STDP算法的抽取效果优于多个对比算法。3)本文构建了基于深度学习的关系抽取可视化原型系统。系统以本文提出的BGSGA、STDP算法为基础,对新闻领域中与核心人物相关的实体及关系进行刻画,满足用户的查询需求。用户在系统前端输入待查询人物,后端通过查询数据库返回与该人物相关的实体与关系,并以关系图与关系表的形式进行可视化展示。