随着新时代国家法制体系的不断完善,依托日新月异的互联网技术,公安系统逐步启用网络平台进行笔录信息的管理。然而破获案件,还需要对笔录信息进一步挖掘。目前,依靠人工进行案件梳理的效率较低,且难以整合全部有效信息。实体关系抽取则能够实现人物间的关系抽取及涉案人物的属性抽取,进而构建涉案人物关系网,从而辅助公安系统破获案件。可见,实体关系抽取模块的开发具有重要意义。在调研实体关系抽取的研究现状并结合公安系统给出的笔录信息后,本文选用基于模板和基于神经网络两种方法完成实体关系的抽取工作,抽取完成后使用图形数据库进行抽取结果的可视化。首先,本文介绍实体关系抽取的研究背景,并且对关系抽取任务中存在的主要问题进行分析。然后,进行实体关系抽取部分的需求分析及概要设计,确定该部分的功能需求和非功能需求,而后进行整体架构的设计。接着,本文阐述了实体关系抽取模块的详细设计与实现。实体关系抽取模块的实现,划分为基于模板和基于神经网络两种实现方式。基于模板的实体关系抽取分为三个步骤,第一步完成姓名分词结果的矫正,第二步对矫正的分词结果进行指代消解,第三步根据消解结果进行人物属性槽填充和人物关系抽取;基于神经网络的实体关系抽取方法,在对比 PCNN（Piecewise Convolutional Neural Networks,分段卷积神经网络）模型、GRU（Gated Recurrent Unit,门控循环单元）模型和 BiLSTM（Bidirectional Long Short-Term Memory,双向长短期记忆）模型在实体关系抽取任务中的表现后,优化表现最好的PCNN神经网络。最后,说明模块测试的结果。本文详细研究笔录信息,实现实体关系抽取模型来构建涉案人物关系网,方便办案人员对案件的分析整理。同时,本文也在一定程度上促进了实体关系抽取技术在公安领域发展。