在当前大数据时代下,随着人工智能技术的进一步发展,存在于互联网中的各类数据正变得越来越多。这些数据包括离散的无结构的碎片化数据和存在于开放型知识库中的半结构化数据,网络用户或研究人员在使用这些数据之前,必须先要对其进行一定的再组织,即通过信息抽取技术将这些数据转换成结构化的便于使用的数据。信息抽取技术主要包括实体、实体属性、实体间关系等知识的抽取,其中,实体关系对于构建领域知识图谱具有重要意义。“一带一路”视野下,针对一带一路沿线国家的对外汉语教学如今正变得越来越重要,本文重点研究了中文命名实体之间语义关系的抽取,主要进行了以下工作:(1)从多个数据来源网站爬取十二类“一带一路”战略下国家高新技术相关词汇。针对基于有监督的实体关系抽取方法下的两种传统的提取技术:基于特征向量的实体关系和基于核函数的实体关系抽取,分别构造合适的关系实例表达模式,针对预定义的八种实体关系类别,通过实验分析不同方法下的关系抽取性能。(2)针对传统的中文实体关系抽取方法的不足,提出了一种改进后的关系抽取混合模型,将关系实例的平面特征和结构特征进行加权组合,实验过程基于SVM算法,采用多次交叉验证的方法提高分类性能,通过分析不同权重比例下的关系抽取效果证实提出的改进模型的有效性。(3)使用本文提出的改进后的抽取模型,针对十二类高新技术词汇的关联词汇进行实体关系三元组的提取,并构建对应的知识图谱。将提取出的关系三元组应用于“一带一路”沿线国家的对外汉语教学系统的数字媒体库中,可用于提供内容更丰富并且形式更多样化的教学案例。