近年来,随着互联网技术的快速发展,用户规模也在迅速增长,与之相关的互联网文本的数据规模也在逐年增加,信息呈指数级别的爆发式增长。互联网的主要特征从文档互联与数据互联到知识互联,使得知识图谱的构建与研究成为热点问题。关系抽取是构建知识图谱的关键组成部分,关系抽取的质量一定程度上决定了知识图谱的质量,知识图谱的规模也取决于关系抽取的深度和广度。关系抽取是一个确定所给定的实体在句子或者文本中是如何关联的过程。它对于研究自然语言处理中的问答系统、结构化搜索、情感分析等任务具有重要的意义。本文针对新疆旅游领域进行实体关系抽取的研究,研究内容主要包含有:(1)针对现有的实体关系抽取研究对文本特征提取不充分问题。例如,RNN依靠序列单元提取上下文关系,对局部特征关注较少。CNN关注局部信息,但信息提取不充分。且对于新疆旅游领域而言,语料中包含大量复杂的人名地名,仅考虑某个单个特征,不足以充分捕捉文本信息。本文提出了将位置特征、词性特征、实体标签相融合的实体关系抽取方法。实验结果表明,位置特征、词性特征、词性标签的融合,使得模型捕捉语义信息的能力增强。本文中逐个加入特征验证了多特征的有效性。(2)由于使用单一CNN模型导致核心词表现弱,不同词语对于整个句子的语义信息所产生的影响大小不同,对所有词一视同仁,影响了关系预测的结果。为此,提出注意力机制和CNN模型相融合的实体关系抽取方法。构建注意力模型,计算注意力概率,获得单词与目标实体之间的相关性,针对那些能够很大程度上影响句子语义信息的词,为其赋予更大的权重。实验结果表明,结合注意力机制的实体关系抽取方法相较于未使用注意力机制的方法能够有效提高实体关系预测的准确率,可以达到更好的分类效果。(3)目前对于实体关系抽取的研究,领域研究大多为医疗、生物等领域,缺乏对于新疆旅游领域的相关研究。本文针对新疆旅游领域实现实体关系抽取的研究,结合新疆旅游领域的文化特色,总结定义了15种实体关系对,并设计语料标注系统实现半自动的语料标注,缩短标注语料所耗的时间。同时建立新疆旅游领域小型语料关系库。使用深度学习的方法,避免了传统方法由于手工依赖性较高,导致额外传播错误且增加计算成本的问题,并与其他方法进行对比分析,验证了本文方法在实现新疆旅游领域的实体关系抽取中的有效性。