人体中的大多数细菌在维持健康方面具有积极作用,但是人体和环境中仍然存在对人体健康产生威胁的致病菌。随着细菌与疾病关系的深入研究,全面系统地掌握细菌与疾病的关系有助于理解疾病的发病机制。现有细菌与疾病关联的研究成果多以生物医学文献的形式存在,因此如何从文本中获得结构化的细菌与疾病关联是一个重要的任务。目前细菌与疾病关联关系的研究主要为二分类关联关系,无法清晰表述细菌与疾病之间的复杂关联。因此,本文将细菌与疾病的关联问题建模为多分类关系抽取任务,并研究了任务相关的迁移学习和对比学习模型。具体地,本文主要工作包括:（1）提出了一种基于迁移学习的细菌与疾病多分类关系抽取框架。当前的生物医学文本挖掘中缺少细菌与疾病的多分类关系训练数据,因此本研究首先构建了一个四分类的细菌与疾病多分类关系语料库MTMDCorpus,应用预训练语言模型作为关系语句的初始表示,并在细菌与疾病的多分类关系抽取语料库上进行微调,从而得到了蕴含更丰富信息的关系语句表示,实现了基于迁移学习的关系抽取。在细菌与疾病多分类关系抽取任务上的实验结果显示本文提出的基于迁移学习的关系抽取模型是有效的。（2）提出一种基于对比学习的细菌与疾病多分类关系抽取框架,解决了训练数据不足产生的性能问题。本研究应用对比学习的思想设计了对比学习任务,通过构造伪标签数据以缓解模型对大量数据的需求,并应用BioBERT模型在生物医学文本关系数据集上进行对比学习预训练,从而获得了 BioBERTchemprot和BioBERTMD两个模型,最终使用这两个模型在细菌与疾病多分类关系语料库上实现了关系抽取。实验结果表明,BioBERTchemprot模型结果在细菌与疾病多分类关系抽取上取得了较好的性能。本文研究了基于迁移学习和对比学习的细菌与疾病多分类关系抽取方法,实现了对无标签的细菌与疾病关系语料库的预测,构建了一个细菌与疾病多分类关系数据数据库平台,为全面掌握细菌与疾病的关系提供了数据和工具的支持。