远监督关系抽取由知识库提供监督,自动产生大规模标注数据,能降低对人工标注的依赖。但是自动标注数据存在噪声,直接用于训练将影响远监督关系抽取模型的性能。训练样例选择是解决远监督关系抽取中噪声问题的重要方法,它从训练样例集合中选择具有正确标注的训练样例,从而减少噪声对远监督关系抽取模型性能的影响。训练样例选择方法分为隐式方法和显式方法。隐式训练样例选择方法主要包括概率图模型（Probabilistic Graphical Model,PGM）和深度神经网络（Deep Neural Network,DNN）。前者采用隐变量估计出置信度高的训练样例用于训练,但是无法充分利用其它正确的训练样例。后者采用注意力机制调整训练样例的权重以降低噪声对远监督关系抽取模型的影响,但是无法将噪声从训练样例集合中移除。显式训练样例选择方法包括基于领域知识的方法和基于强化学习（Reinforcement Learning,RL）的方法。前者利用单一类型的领域知识,无法综合利用多种类型的领域知识。后者主要采用基于on-policy的强化学习算法,缺少基于off-policy的强化学习算法的系统研究。针对远监督关系抽取中训练样例选择方法存在的问题,本文提出以下解决方案。（1）针对隐式训练样例选择方法存在的问题,首次提出一种基于解释学习（Explanation-based Learning,EBL）的显式训练样例选择方法。该方法采用回答集编程（Answer Set Programming,ASP）语言表示领域知识和训练样例选择规则。并且改进了解释学习算法,使其能够利用不完美的领域知识学习ASP规则集合。不仅能充分利用正确的训练样例,而且能将噪声从训练样例集合中移除。实验结果表明,该方法能有效学习ASP规则,在训练样例选择方法的比较中其召回率超过基于概率图模型的基线方法30%。（2）针对显式训练样例选择方法无法解决多种类型领域知识相互冲突的问题,提出一种基于马尔可夫逻辑网（Markov Logic Network,MLN）的显式训练样例选择方法。首次提出一种马尔可夫逻辑网模型来处理用于训练样例选择的多种类型领域知识之间的关系。实验结果表明,该方法能针对不同的关系类型选择有效的领域知识,在纽约时报（New York Times,NYT）数据集和维基百科（Wikipedia）数据集的训练样例选择实验中平均F1值分别超过基于单一类型领域知识的基线方法22%和27%。（3）针对显式训练样例选择方法中off-policy强化学习缺乏系统研究的问题,提出一种基于深度Q网络（Deep Q-Network,DQN）的显式训练样例选择方法,并系统地研究了off-policy强化学习算法在训练样例选择中的性能。在off-policy强化学习算法中,首次提出一种Top-k行为策略来产生更多有效的经验数据。实验结果表明,该方法在不需要领域知识和人工标注的前提下能够从试错经验中有效地学习训练样例选择策略,采用off-policy强化学习算法在不降低训练样例选择性能的前提下收敛速度是基于on-policy的基线方法的6倍。