随着互联网信息的爆炸式增长,如何帮助人们快速地从海量的非结构化文本数据中发现知识及理解这些数据,同时将这些文本表示成计算机能够“理解”的形式,以减轻人的学习成本已经变得越来越重要。信息抽取技术正是在这样的环境下产生。关系抽取技术是信息抽取技术中的非常重要的一部分,它旨在从结构化或非结构化的文本中自动识别出一对实体和这对实体之间的语义关系,然后以三元组的形式表示句中已标注的实体及实体对之间的关系。目前有监督的关系抽取方法被证明是有效的,并产生相对比较好的效果。但是,有监督的方法通常需要大量标记的训练数据,而人工标注数据费时费力。为了解决训练数据不足的缺点,远程监督方法被提出来自动产生训练数据集。远程监督的假设为:如果两个实体在已知的知识库中有关系,那么所有提及这两个实体的句子都会以某种方式表达这种关系。也就是说远程监督可以从一个备选关系出发来迭代式地扩充关系集合,从网络上发掘出更多的关系加入到备选关系中。但是由于现实世界的数据集往往是不平衡的,所以通过远程监督自动标注的数据存在明显的类不平衡问题。在不平衡数据集下训练的分类器对样本数量占多数的类具有更强的偏向,导致少数类不能被正确的分类,使得模型的效果受到较大的影响。本文主要研究基于卷积神经网络的远程监督关系抽取下的类不平衡的问题,具体工作如下:(1)首先,介绍了实体关系抽取的相关意义背景和理论技术基础,如卷积神经网络的相关理论和多示例学习相关理论,然后,对目前处理不平衡数据集的一些方法进行了比较和分析。(2)其次,本文针对远程监督关系抽取过程中产生的类不平衡问题,提出代价敏感的排序损失,通过加大对少数类错误分类的惩罚,也即,如果一个类,其样本数量占少数,则该类样本被错误分类时,让其比多数类错误分类时付出更多的代价,从而减小训练过程中对多数类的偏向,以此来提高关系抽取的准确率和召回率。(3)最后,由于不平衡数据集下学习的性能很大程度上取决于类间的可分离程度,因此,本文引入对类可分离性的度量,通过将类可分性和代价敏感相结合,更进一步改善远程监督关系抽取中类不平衡的问题。