本发明公开了一种基于神经网络的实体和关系的联合抽取技术。该技术包含如下步骤：1)将句子作为输入，获取每个单词的表示向量，该表示向量由词嵌入表示和字符级别词嵌入表示拼接而成；2)使用膨胀卷积神经网络对每个单词的上下文信息进行编码，为每个单词提取包含上下文信息的特征；3)把实体识别作为序列标注问题，并使用线性链CRF来对实体标记序列联合建模；预测时，使用维特比算法计算概率最大的实体标记序列，实现实体识别；4)从组成实体的单词的特征表示中来获得实体的特征表示，通过对实体两两排列来构造关系候选，使用双仿射变换判断每个关系候选的关系，实现关系抽取。