在互联网飞速发展的时代背景下,从海量数据中检索到有价值的信息绝非易事。信息抽取技术在如今得到了快速地发展,关系抽取是信息抽取的一个重要子任务,具有非常重要的研究意义与广阔的应用前景,是近些年来自然语言处理领域的研究热点。目前,面向中英文的人物关系抽取研究已有一定的发展并取得较好的成果,而维吾尔文的人物关系抽取因为起步较晚,且资源匮乏,还需进一步研究。本文使用远程监督方法构建维吾尔文数据集,为降低噪声对人物关系抽取的影响,采用双层自注意力机制的模型,以提升人物关系抽取效果,最后构建了人物关系搜索系统。本文的主要工作和创新点如下:（1）针对维吾尔文人物关系抽取标注数据集匮乏的问题,本文采取远程监督的方法,将自由文本与知识库匹配对齐来生成标注数据集。首先收集天山网、人民网等网站的维文自由文本;其次爬取大量维基百科的词条数据,整理并生成关系三元组作为知识库,以此作为监督来源;最后将自由文本与知识库进行匹配对齐来获得相应的关系标签,自动生成丰富的维吾尔文标注数据集,用于进行接下来的人物关系抽取实验。（2）针对远程监督方法会带来大量噪声以及特征选择不全面的问题,提出基于双层自注意力机制的DTSSA模型来进行维吾尔文人物关系抽取。该模型采用多实例学习方法,通过双向递归神经网络Bi LSTM结合双层自注意力机制进行关系抽取,将单词级和句子级的注意力机制由传统一维向量表示改进为二维结构化矩阵表示。一方面,使用Bi LSTM可以更好地学习双向的上下文语义特征;另一方面,改进的二维单词级自注意力机制可以关注一个句子实例更多方面的特征,二维句子级自注意力机制可以更好的选择有效实例,降低了噪声实例影响。在维吾尔文人物关系抽取标注数据集上进行实验,结果表明基于双层自注意力机制的DTSSA模型在P@N准确率和F1度量方面均有提升,证明模型的有效性。（3）根据以上理论研究,设计实现了一个基于B/S架构的维吾尔文人物关系搜索系统,将人物关系以图谱的形式进行可视化的直观展示,并依靠系统开放给用户的增改功能,可以进一步丰富现有知识库,从而提高数据集质量。