本发明涉及一种基于弱监督学习的联合信息抽取方法，属于自然语言处理领域。本发明为了解决基于有监督学习的信息抽取所造成的数据集标注耗时费力，以及双子任务(信息抽取通常分为两个子任务，实体识别和关系抽取)造成的误差传播问题。我们的信息抽取方法通过将信息抽取转化为序列化数据标注的任务，结合知识表示学习方法，采用联合信息抽取的形式，利用公开知识库结合少量数据集，实现弱监督学习联合信息抽取。我们希望训练一个可以对文本进行更准确的信息抽取模型。通过弱监督学习结合联合信息抽取的策略，经过端到端网络的训练，提高信息抽取的准确率和召回率，与当前的信息抽取方法相比在性能方面有了实质性的改进。