实体关系抽取是信息抽取领域的一个重要研究问题,其可以实现实体对之间的语义关系的识别,这项技术对知识图谱构建、问答系统、语义搜索等多个领域发挥着重要作用。在实体关系抽取的研究工作中,大多数方法是针对英文语料进行的,由于中文和英文句子的句法结构特征差异很大,现有的基于英文语料的方法难以直接应用于中文语料,而且此项研究的中文数据集相对比较缺乏。因此,面向中文文本开展实体关系抽取研究具有重要的理论意义和广泛的应用前景。本文研究工作如下:(1)基于句法特征的中文实体关系抽取。本文提出了一种基于句法特征的新型中文实体关系抽取方法,首先,以动词和名词为中心作为关系指示词抽取候选关系三元组,以避免预先定义关系类型。其次,使用关系指示词和实体对之间的位置限制过滤关系三元组。第三,通过总结四大类主要的中文句法特征,扩展已识别的关系三元组并提高实体关系抽取的准确性。最后,使用关系传递的方法来挖掘和推理隐式的关系三元组。在百科和新闻数据集上的实验结果表明,该方法具有良好的抽取性能。(2)基于触发词规则和Att-BLSTM的中文人物关系抽取。由于中文领域训练数据的缺乏,利用神经网络模型进行中文实体关系抽取方法不多且精度较低,为此,通过基于触发词规则的抽取算法来扩充训练数据,从而提高神经网络模型的精度,进而提升人物关系抽取的效果。基于触发词规则的抽取算法实现了训练数据的自动化标注,并形成了小规模有标注的中文人物关系抽取数据集。实验结果表明利用触发词规则和Att-BLSTM相结合的中文人物关系抽取方法优于基准的Att-BLSTM方法。