信息抽取是从无结构化的原始文本中抽取出结构化的信息,主要包括命名实体识别、关系抽取和事件抽取等。复杂实体(如嵌套实体和非连续实体等)的研究受到了越来越多的重视,大量的工作都是集中于对嵌套实体的研究,很少有针对非连续实体的研究。鉴于此,本文开展了针对复杂实体的信息抽取研究工作,主要内容包括:第一,针对中文嵌套命名实体的识别,本文提出了一种结合自注意力机制与联合学习的嵌套命名实体识别方法。首先,该方法使用共享参数的多层双向长短期记忆网络(Long Short-Term Memory,LSTM)对句子进行编码。然后,在双向LSTM层之间采用基于自注意力机制的实体合并方法,有效地将下层LSTM获得的实体语义信息传递给上层。实验结果表明,该方法能够更加有效地捕捉文本中蕴含的嵌套实体,在中文嵌套命名实体语料上取得了较好的效果。第二,受多层序列化模型的启发,本文提出了一种基于虚拟嵌套实体的非连续实体识别方法。首先,该方法将原本难以通过序列化标注的非连续实体转化为虚拟嵌套实体。接着,通过多层标记策略将虚拟嵌套实体的识别整合到嵌套实体识别的模型中。最终,根据多层序列模型预测的标签信息还原出非连续实体与连续实体。在GENIA语料上的实验结果表明,该方法能够识别出非连续实体,从而为实现一个能识别全部实体的综合识别系统打下基础。第三,针对嵌套命名实体关系抽取,本文提出了一种基于BERT预训练模型的方法。首先,根据中文嵌套命名实体的结构特点,使用不同的占位符标识出了嵌套实体之间的层次信息。然后,使用微调的BERT模型捕获序列隐含的语义信息,同时利用CNN模型捕获序列中最重要的部分。实验结果表明,该模型在中文嵌套实体关系抽取任务上取得了较好的效果。