知识图谱目前在许多领域都已经得到了广泛的应用。基于图匹配算法的知识图谱的推理,能够为医疗诊断、舆情发现、事件推理提供良好的理论支持。知识三元组<实体-关系-实体>是知识图谱中知识最基本的构成单位,高效快速地从网络威胁情报自由文本中提取实体之间的关系,是构建网络安全知识图谱的重要基础任务。本文围绕网络安全知识图谱构建的关系抽取算法,进行了深入研究。当前基于神经网络深度学习的远程监督关系抽取算法,在句子特征提取,以及句袋间降噪能力上都还有很大缺陷,这也导致了很多关系抽取算法的性能尚不能满足实际需要。本文基于注意力机制,对现有的关系抽取算法在句子特征提取和句袋降噪上都有了一定的提升。本文主要工作内容和成果如下:(1)传统的关系抽取方法中使用长短时记忆网络和卷积神经网络无法捕获句子中较远距离的特征,对于句子特征的提取不充分,这也影响了后续判定句子中表达的关系的效果。针对这个问题,本文提出了一种基于层次注意力机制的关系抽取神经网络结构模型,使用了自注意力机制来进行单词之间特征计算,使用句子级别的软注意力机制对句子特征进行降维提取,相较于之前的方法,能够更好地捕获句子特征,提升了后续句子关系分类的效果。在公开数据集NYT-10上取得了较好的效果,相比PCNN_ATT算法,在P@100,P@200,P@300指标上分别有了 4.8%,4.9%和2.3%的提升,AUC指标提升了 1.1%。(2)针对远程监督方法在自动标注语料过程中引入了大量错误标注的训练语料的问题,本文提出了一种多关系对齐的句子相似度注意力机制,相比以前的方法,能够更好地捕获句子对关系向量的相似度,更好地在远程监督情况下抽取句子中的关系。在标准数据集上,我们提出的模型相比PCNN_ATT模型,P@100,P@200,P@300,AUC指标分别有了 2.5%,2.4%,2.8%和2%的提升。