电子病历是医疗产业向信息化、智能化发展的重要组成部分。因为电子病历包含大量临床医学知识,其信息抽取成为构建医疗系统知识图谱的关键一步,其中实体识别和关系抽取是电子病历信息抽取中的重要部分。本文主要研究基于语义表示模型的中文电子病历实体识别和关系抽取方法。首先,本研究结合现有语料库构建方法及标准,对6671份经去隐私处理的中文电子病历进行了人工标注,构建了一定规模的中文电子病历关系抽取及命名实体识别语料库。其次,实现了基于分类的关系抽取方法,通过将关系抽取任务切分为命名实体识别和关系分类两个子任务,将输入层改为基于语义模型训练的动态词向量分别优化了Bi-LSTM CRF模型和CNN模型,并分析了实验结果。针对分类过程中丢失长距离关系依赖的情况,在池化层引入了注意力机制。改进后的命名实体识别和关系分类的F值分别达到92.84%和89.5%。将实体识别和关系抽取当作两个独立的任务串联进行信息抽取会导致一系列问题,例如没有考虑到两个子任务之间的相关性,导致关系抽取任务的结果严重依赖于实体抽取的结果,易产生大量冗余的实体,并且造成误差累积。因此本文针对基于联合抽取的端到端关系抽取模型进行了研究。该方法通过不同的数据标注策略,将关系抽取任务转化为序列标注任务。本文首先实现了LSTM-LSTM-Bias模型,为丰富输入层的语义表示,引入了基于语义模型训练的动态词向量,改进后的关系抽取模型的F值达到82.7%。最后,基于上述研究,本文设计并实现了支持大数据处理的中文电子病历信息抽取系统。系统分为存储端、接口层和服务端三个模块,采用MVC的架构设计。在存储端,存储体系采用了三级缓存的结构,其中包括Hbase分布式开源数据库,远程字典服务结合My SQL数据库和基于Hadoop分布式文件系统,同时进一步优化了HBase。在接口层,为实现大规模数据的更新、增删和查询工作,在RESTful的基础上形成了两种类型的网页服务,能够进行远程实时的信息调用和抽取。而服务端能够在Hadoop的基础上处理大数据并抽取信息,借助该系统能够及时高效的抽取电子病历数据信息。在自然语言处理模块中,使用了大规模非电子病历医学文本对语义表示模型进行了预训练,在其基础上通过迁移学习训练了基于语义表示模型的端到端联合抽取模型,并结合模型融合技术和相似度去重技术,在电子病历的实体识别和关系抽取方面取得了较好的效果。