摘要： 【目的/意义】从大量非结构化文本中抽取出结构化的实体及其关系，是优化搜索引擎、建立知识图谱、开发 智能问答系统的基础工作。【方法/过程】介绍了深度学习框架下不同神经网络模型实现实体关系抽取的方法，比较 了各种模型的优劣势，结合远程监督和注意力机制进一步提高关系抽取性能，最后指出了深度学习模型的不足及 未来发展方向。【结果/结论】实验发现，卷积神经网络擅长捕获句子局部关键信息，循环神经网络擅长捕获句子的 上下文信息，能反映句子多个实体之间的高阶关系，递归神经网络适合短文本的关系抽取。如果模型能结合自然 语言的先验知识，实体关系抽取将会取得更好的效果。
