随着人工智能领域的发展,知识图谱受到了广泛的关注。结构化的数据能够直接用于知识图谱的构建,然而结构化数据存在体量不足、更新速度迟缓的问题,从而导致知识图谱的能力得不到充分发挥。互联网上的非结构化文本数据每天都呈爆炸式增长且覆盖全面,因此从这些文本中抽取出能被知识图谱使用的结构化三元组数据具有重大价值和意义。针对文本数据的抽取,传统的方法一般采用流水线的抽取模式,将三元组抽取任务拆分为实体抽取和关系抽取两个独立的子任务,这种方法存在着误差传播、信息冗余和忽略了两个子任务互相关联的问题。为解决流水线抽取模式中存在问题,本文对实体和关系的联合抽取方法展开了研究。主要工作如下:1、针对上述信息冗余的问题,构建了基于标注策略的联合抽取模型,将实体和关系的抽取问题转化为序列化联合标注的问题。通过引入自注意力机制使模型更能够捕获句子中的长距离语义关系,同时引入了偏置权重,降低了其他无用标签的影响从而提升了模型的抽取性能。模型在NTY数据集上的F1值达到了51.8%,证明了本模型的有效性。2、面对三元组重叠的句子,现在的联合抽取模型通常在这方面表现都不是很好。针对三元组重叠问题,构建了基于分解标注策略的联合抽取模型,将三元组的抽取任务划分为头实体抽取、关系和尾实体抽取两个子任务并进行分开标注,首先识别句子中所有可能的头实体,然后根据头实体找出在每种关系下可能存在的尾实体。通过引入结果纠错模块对抽取结果进行筛选从而提升了模型的精确率。最后在Web NLG数据集上,该模型的F1值和其他模型相比提升了1.2%取得了最好的抽取效果。3、为了从互联网上采集到足够的文本数据用于信息抽取,设计并实现了一套分布式数据采集框架。该框架采用一主多从的模式,实现了对互联网上目标数据的并行采集,极大提升了数据采集效率。最后通过该框架实现了对娱乐领域新闻数据的采集,为后续的针对该领域的信息抽取提供了语料支持。4、将本文提出的抽取模型结合从互联网上采集到的新闻数据,实现了将娱乐领域的新闻文本数据转化为三元组数据,为后续构建娱乐领域的知识图谱提供了数据支持。