西藏无边无垠的高寒草甸、高寒草原以及高山荒漠化草原上分布着丰富的禾本科、莎草科植物,生态环境的复杂为植物种类的多样性提供了环境,也为西藏发展林业、畜牧业和农业奠定了基础,这在西藏经济建设中占有突出的地位。随着深度学习的发展,计算机强大的数据分析和学习能力已经能够为不同的领域提供服务。针对西藏丰富的植物资源,研究通过基于远程监督的关系抽取技术,将互联网上与西藏高原植物相关的文本数据进行清洗、转化、加工,抽取出可以直接使用的西藏高原植物知识三元组。但是,由于远程监督的特殊标注方法,也带来一些难题亟待解决。首先,远程监督学习自动标注的数据集不可避免的会导致错误标注的发生,因为我们不能保证每一个句子都能够正确表示两个实体间的关系,造成大量噪声影响。其次,依靠外接知识库或知识图谱进行远程监督获得的数据往往呈现幂律分布,造成一些中长尾实体对难以获取。不管是噪声问题还是长尾数据,都大大限制了基于远程监督的关系抽取的性能,所以,研究将通过以下两个方面来对远程监督关系抽取进行改进:（1）由于西藏高原植物领域缺少标注语料库,提出一个远程监督数据集的构造方法,缓解长尾数据,从训练数据入手降低错误标注带来的噪声影响。方法的创新在于:利用语句特征及其关键词的相似度,最大程度的初步确定实体之间的关联。首先,将开放领域知识库与西藏高原物种索引对齐,提取出三元组,建立西藏高原植物领域知识库;其次,通过知识库在百度百科等网站上爬取包含对应实体的相关句子集,组成未标注语料集;然后,通过设立关系特征词,针对远程监督关系抽取的噪声问题,设计一种基于依存句法分析与句子相似度的语料自动标注算法来减少噪声数据,生成标注语料集;最后,将本文基于依存句法分析与句子相似度的语料自动标注方法与多种方法相比较,实验证明了本文自动标注的方法在准确率上有很大的提升,能够显著降低远程监督学习带来的长尾数据和噪声影响。（2）提出一种关系抽取模型MPCNN。MPCNN将关系抽取任务分为六个模块,利用卷积神经网络、多头自注意力机制和句子特征选择等方法筛选出高质量的样本数据,提高中长尾实体关系的识别率,缓解远程监督噪声数据影响。MPCNN模型创新点在于:从卷积模块中提取特征后,采用多头自注意力机制来更有效的分配句中不同词的特征权重,增加正确句子的权重,降低噪声句子的干扰。最后,通过实验和对比,经过本文框架训练后的文本模型与CNN+ATT等模型相比,准确率和稳定性都有所提升,验证了本文所提出的关系抽取模型在西藏高原植物领域的可行性。最后,在以上研究基础上,将三元组数据通过Neo4j图数据库进行底层存储,基于ASP.NET前端网页技术设计并实现了西藏高原植物领域信息检索与可视化系统,实现了远程监督关系抽取的算法应用。