近年来,随着人工智能化的广泛应用,医疗信息化和自动化也逐渐引起了广泛关注。在医疗健康领域,药品说明书相对于公开医疗领域文本,书写良好、权威、全面,虽然数据规模较小,但含有大量的医疗专业术语和语义信息,具有明显的医疗领域特征。目前医疗领域的研究多集中在英文数据集,由于中文句法和语义的特殊性,中文医疗领域的研究更加复杂和困难。本文以抗菌类药品说明书为对象,自主构建了中文药品说明书数据集。当前阶段针对医疗健康领域的相关研究主要集中在命名实体识别和关系抽取两个方面。在以往工作中,大多采用了流水线模式:输入一个句子,先进行命名实体识别,再进行关系抽取。此类模式忽略了任务间联系并造成了错误传播,同时该模式需要大量的人工操作。针对流水线模式的诸多弊端,本文引入了联合学习模式,将卷积神经网络与支持向量机、条件随机场相结合,构建了联合神经网络模型,在此模型基础上,以参数共享的方式,对实体分类与关系抽取两个任务进行联合学习。更进一步,本文基于双向长短时记忆循环神经网络构建了全新的联合模型,模型在未依赖任何人工特征和NLP工具的前提下,能够完全抽取所有实体及关系,同时我们首次将自注意力机制加入到联合任务中,以学习句子内部依赖。基于卷积神经网络的联合模型尝试了任务联合、模型联合、特征联合的方式,在中文药品说明书数据集上进行实验,取得了良好的效果。基于双向长短时记忆循环神经网络的联合模型在中文数据集和公开的英文数据集中均取得了较优的效果。实验结果表明基于任务联合学习的医疗实体与关系抽取方法是非常有效的。