关系抽取是指在自然语言文本中抽取出结构化数据,并将结果以三元组的形式保存的过程由于互联网上的文本信息的呈现方式杂乱无章,无法直接使用这些信息。因此,完成非结构化文本信息向结构化文本信息转换的关系抽取任务具有重大的意义。本文针对面向弱监督的关系抽取进行研究,针对距离监督关系抽取中的回标噪声和半监督关系抽取中的语义漂移现象进行分析,详细工作内容如下:1.针对含噪声的文本实例集合,设计了一种通用的马尔可夫随机场模型对文本实例集合进行去噪。模型通过示例图和马尔可夫随机场理论完成文本标签的更正,从而减少文本集合中的标签,是接下来距离监督和半监督关系抽取的基础。2.针对距离监督关系抽取,设计了一种融合马尔可夫随机场的神经网络模型。根据距离监督关系抽取回标过程中引入的噪声,构建了适用于此场景的马尔可夫随机场模型,然后分别结合CNN分类器和结合双层注意力模型的BGRU分类器完成整个关系抽取过程。3.针对半监督的关系抽取,设计了一种融合马尔可夫随机场的Bootstrapping模型。通过马尔科夫随机场模型减少语义漂移过程中加入的错误示例,缓解半监督过程中的语义漂移问题,提高Bootstrapping关系抽取的效果。