信息化时代下，上市公司以及金融监管机构都会在互联网上发布各种各样的包含非结构化人员简历文本的海量公告。以结构化的形式描述非结构化人员简历中与人物相关的属性、实体、事件，发现人员之间的隐含关系，构建金融领域人物关系图谱，可以挖掘金融公告中的丰富知识，发现潜在客户、预警潜在风险，提升金融行业效率。目前，人员简历信息抽取工具都是针对结构化、半结构的求职简历文件进行处理的，具有一定的局限性，无法针对金融公告中非结构化人员简历文本进行人员相关的属性以及事件的抽取。另外，传统的关系抽取是在一句话中发现实体之间的关系，大都没有对关系的属性做进一步的抽取，无法发现金融公告中跨文档的人员之间的关系。
　　针对金融公告中人员简历信息提取遇到的特殊问题，首次将非结构化的人员简历抽取成结构化的人员信息模板，提出一种金融领域人物关系图谱构建方法。通过对BERT(Bidirectional Encoder Representation from Transformers)预训练模型进行训练，抽取出非结构化人员简历文本中的人员属性实体，利用训练好的BERT预训练模型获取事件实例向量，对事件实例向量进行准确的分类，填充层次化的人员信息模板，准确地关联人员属性，进一步地通过填充好的人员信息模板，提取人员关系，构建人物关系图谱。
　　为了验证金融领域人物关系图谱构建方法的有效性，通过构建人工标注的数据集，进行了实验验证，实验表明所提出的方法可以有效的解决非结构化金融人员简历文本信息提取问题，有效的构建金融领域人物关系图谱。