醫學文獻含有豐富的有價值的醫學知識。目前，在醫學文獻上的實體關系提取研究已經得到了很大的進步，但是隨著醫學文獻數量以指數形式增加，醫學文本的標注工作成為一個很大的問題。為解決人工標注耗時長、工作量大的問題，研究者提出了遠程監督標注的方法，但這種方法會引入大量噪聲。本文提出了一種基于卷積神經網絡的新型神經網絡結構，可以解決大量噪聲問題。該模型可以利用多窗口卷積神經網絡自動提取句子特征，在得到句子向量后，通過注意力機制選擇對真實關系有效的句子。特別地，提出實體類型（ET）嵌入方法，通過加入實體類型特征用于關系分類。我們針對訓練文本存在不可避免的標注錯誤問題，提出句子級別的注意力機制用于關系提取。使用 968 份糖尿病醫學文獻進行實驗，結果表明，與基線模型相比，本文模型在醫學文獻中得到了較好的效果，F1 分數達到 93.15%。最后，我們將提取的 11 類關系以三元組的形式存儲，并利用這些三元組制成具有 33 347 個節點、43 686 條關系邊的復雜關系醫學知識圖譜。實驗結果證明，本文所使用的算法明顯優于用于關系提取的最佳基準系統。