1.一种文本信息的知识图谱关系抽取方法，其特征在于，包括：

获取待抽取知识图谱关系的文本信息；

使用多种词向量模型分别构建待抽取知识图谱关系的文本信息的词向量；

将分别构建的词向量进行横向拼接，得到待抽取知识图谱关系的文本信息的最终词向量；

采用多层SKnet网络抽取出最终词向量的关系特征；

将抽取出的关系特征进行混合池化操作，获取更多位置信息；

将混合池化后的关系特征放入softmax分类器，获取该关系特征所属的标签。

2.根据权利要求1所述的一种文本信息的知识图谱关系抽取方法，其特征在于，所述多种词向量模型包括采用Word2vec模型、Glove模型以及BERT模型。

3.根据权利要求1所述的一种文本信息的知识图谱关系抽取方法，其特征在于，所述最终词向量还包括在横向拼接后词向量末端增加位置信息，所述位置信息包括文本中每个词和实体之间的相对位置信息。

4.根据权利要求1所述的一种文本信息的知识图谱关系抽取方法，其特征在于，所述采用多层SKnet网络抽取出最终词向量的关系特征包括每层SKnet网络根据知识图谱关系抽取任务自适应地调整其感受野大小，设置m个不同尺寸的感受野，每个感受野对输入的最终词向量分别进行卷积操作；获得初步的卷积结果；将卷积结果相加融合；将融合后的结果采用全局平均池化进行降维，得到各通道的信息，为了增加非线性特征，采用全连接层进行升维，采用softmax层对升维后结果进行处理得到各个感受野尺寸选择系数；采用感受野尺寸选择系数与对应的感受野初步卷积结果相乘获得最终词向量的关系特征。

5.根据权利要求1所述的一种文本信息的知识图谱关系抽取方法，其特征在于，所述将抽取出的关系特征进行混合池化操作包括采用K-最大池化层和平均池化层结合；将K-最大池化得到的结果与平均池化得到的结果拼接起来得到最终混合池化后的结果。

6.一种文本信息的知识图谱关系抽取装置，其特征在于，包括：

文本收集模块，用于获取待抽取知识图谱关系的文本信息；

词向量解析模块，用于采用多种词向量模型分别提取待抽取知识图谱关系的文本信息的词向量；

词向量拼接模块，用于对采用多种词向量模型提取的词向量进行横向拼接，获得最终词向量；

关系特征提取模块，用于对提取的最终词向量采用多层SKnet网络进行抽取，并获得最终词向量的关系特征；

混合池化模块，用于将抽取出的关系特征进行混合池化操作；

softmax分类器，用于将提取出的混合池化后的关系特征进行分类，并对关系特征赋予分类标签。

7.一种文本信息的知识图谱关系抽取终端，其特征在于，包括处理器和存储器，所述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1～5任一所述的方法。