随着信息技术的快速发展,互联网上产生了大量的非结构化的文本数据,其中包括:新闻,博客,政府文档,聊天日志等。如何帮助人们快速地从中获取有价值的信息成为计算机相关领域学者所关注的问题。实体关系抽取正是为了解决这样一个问题,它的主要任务是识别非结构化文本中出现的实体并确定实体之间的语义关系。目前基于监督学习的关系抽取方法已经取得了较好的效果,但这类方法比较依赖自然语言处理工具提供分类特征,而这些工具往往存在大量错误,这些错误将会在关系抽取系统中不断传播放大,最终影响关系抽取的效果。为了避免过多依靠复杂的特征工程,本文提出利用卷积神经网络来解决关系抽取问题,其将会自动从句子中学习特征,以构建句子的分布式表示作为关系分类模型的输入,从而最小化对一些NLP处理工具和资源的依赖。并在此基础上实现了面向互联网新闻文本的企业实体关系的抽取。本文的工作主要包括以下几个方面:1)针对互联网新闻当中存在的企业实体关系,本文提出了基于Bootstrapping技术构建关系语料库的方法,该方法克服了纯人工标注过程中费时费力的缺点;2)针对传统词袋模型在表征句子时缺乏语义信息以及未考虑词的位置信息的缺陷,本文提出了基于词向量加权和基于卷积神经网络的方法用于构建紧凑且具有语义的句子的分布式表示,作为关系分类模型的输入;3)在前几部分的工作基础上,结合网页正文提取、命名实体识别等关键技术实现了面向互联网新闻文本的企业关系的抽取。