摘要：[目的]针对现有文本关系抽取模型只能获得部分文本特征的问题,构建基于交叉注意力的双通道文本关系抽取模型,提升文本关系抽取的全面性和准确性,实现领域数据集高性能关系抽取.[方法]本文提出基于交叉注意力的双通道文本关系抽取模型DCCAM(Dual Channel Cross Attention Model),设计融合序列通道和图通道的双通道结构,构建自注意力和门控注意力的交叉注意力机制,促进文本特征高度融合,更深入地挖掘文本潜在的关联信息.在公开数据集和构建的两类警务领域数据集中进行实验.[结果]在公开数据集NYT和WebNLG上的实验结果表明,DCCAM模型F1值与SAPCNN、GraphRel 2p模型相比分别提升3个百分点和4个百分点.此外,消融实验结果证明了各模块提升文本抽取能力的有效性.在警务领域的电信诈骗类数据集和帮助信息网络犯罪类数据集上的实验结果表明,DCCAM模型能够提高警务领域文本关系抽取效果,与GraphRel模型相比F1值分别提高8.8和11.8个百分点.[局限]未从大语言模型的角度进行文本关系抽取技术的探索.[结论]DCCAM模型可以显著提升文本关系抽取的能力,是警务工作中文本关联分析的解决方案.