1.一种基于神经网络的实体关系抽取方法，其特征在于，包括以下步骤：获取待处理的句子信息；

对所述句子信息进行分词处理，得到多个单独词；

识别所述多个单独词中的实体对，每个实体对包括两个实体；

对所述句子信息进行向量化处理，得到所述句子信息对应的句子向量；

对所述句子向量进行融合处理，得到所述句子信息的多个方面的表示特征，每个所述表示特征包括多个特征向量；

对所述特征向量进行全局平均池化处理，得到每个所述特征向量对应的聚合信息；

利用两个全连接网络对所述聚合信息进行筛选处理，得到每个所述特征向量对应的筛选参数；

根据所述筛选参数判断所述特征向量是否为噪声特征，若是，则将所述特征向量屏蔽，并更新剩余的所述特征向量，得到更新后的特征向量；

根据更新后的所述特征向量，更新所述多个方面的表示特征；

对更新后的多个方面的表示特征进行降维处理，得到一个目标特征；

根据所述目标特征计算所述实体对的实体关系。

2.如权利要求1所述的方法，其特征在于，所述句子向量包括多个所述单独词的词-位置向量，所述单独词的词-位置向量包括所述单独词的词向量以及所述单独词与所述实体对的相对位置向量。

3.如权利要求1所述的方法，其特征在于，对所述句子向量进行融合处理，得到所述句子信息的多个方面的表示特征采用以下公式处理：其中，hi为第i个方面的所述表示特征，i的取值范围为[1,l]，l为预设次数，v为所述句子向量，dv为构成所述句子向量的单独词的数目， 和 分别表示第i次计算时的不同的参数矩阵且分别通过神经网络训练获得。

4.如权利要求1所述的方法，其特征在于，所述降维处理包括：将每个方面的所述表示特征分别放入卷积神经网络的一个单独通道；

对于每一所述单独通道，通过下述公式计算所述目标特征中的每个特征向量：cj＝f(wf·h(i：i+n-1)+bf)其中，j的取值范围为[1,m]，cj表示所述融合特征中的第j项特征向量，m为卷积核的个数，f为非线性函数，wf为参数矩阵，bf为偏置参数，h(i：i+n-1)由hi、hi+1、…、hi+n-1依次连接组成，n为卷积窗口的长度，hi表示第i个方面的所述表示特征；

根据计算得到的m个特征向量生成所述目标特征。

5.如权利要求1所述的方法，其特征在于，根据所述筛选参数判断所述特征向量是否为噪声特征，若是，则将所述特征向量屏蔽，并更新剩余的所述特征向量，得到更新后的特征向量采用以下公式处理：其中，所述cj表示第j项所述特征向量，所述xj为所述cj对应的所述更新后的特征向量，所述sj为所述cj对应的所述筛选参数。

6.如权利要求1所述的方法，其特征在于，根据所述目标特征计算所述实体对的实体关系包括：获取所述目标特征包括的每个特征向量的突出特征，所述突出特征包括所述特征向量中元素的最大值和平均值；

根据所述突出特征，获取高层特征集合；

根据所述高层特征集合，利用全连接网络预测所述实体对的每个关系概率向量；

将所述关系概率向量中最大的元素对应的关系作为所述实体对的实体关系。

7.如权利要求6所述的方法，其特征在于，所述根据所述高层特征集合，利用全连接网络预测所述实体对的每个关系概率向量采用以下公式处理：y＝wp·(rοq)+bp

其中，y为关系概率向量，wp为全连接网络的参数矩阵，r为符合伯努利分布的遮蔽向量，q为所述高层特征集合，bp为偏置参数。

8.一种自动问答方法，其特征在于，包括以下步骤：预先建设实体信息库，所述实体信息库包括多个实体对信息，每个所述实体对信息包括两个实体以及两个实体的实体关系，所述实体关系采用权利要求1-7中任一项所述的基于神经网络的实体关系抽取方法获取；

预先建设问答知识库，所述问答知识库包括多个知识点，每个所述知识点包括多个问题和一个答案；

获取用户的请求信息；

判断所述用户的请求信息中是否包括实体以及实体关系；

当包括一个实体和与之相关的一个实体关系时，从多个实体对信息中获取同时与所述实体及所述实体关系对应的另一个实体作为补充信息，结合所述补充信息从所述问答知识库中提取答案以发送给用户；

当包括两个实体时，从多个实体对信息中获取所述两个实体之间的实体关系作为补充信息，结合所述补充信息从所述问答知识库中提取答案；

否则，直接从所述问答知识库中提取答案以发送给用户。

9.一种基于神经网络的实体关系抽取装置，其特征在于，包括：输入模块，用于获取待处理的句子信息；

分词模块，用于对所述句子信息进行分词处理，得到多个单独词；

识别模块，用于识别所述多个单独词中的实体对，每个实体对包括两个实体；

向量化模块，用于对所述句子信息进行向量化处理，得到所述句子信息对应的句子向量；

融合模块，用于对所述句子向量进行融合处理，得到所述句子信息的多个方面的表示特征，每个所述表示特征包括多个特征向量；

池化模块，用于对所述特征向量进行全局平均池化处理，得到每个所述特征向量对应的聚合信息；

筛选模块，用于利用两个全连接网络对所述聚合信息进行筛选处理，得到每个所述特征向量对应的筛选参数；

去噪模块，用于根据所述筛选参数判断所述特征向量是否为噪声特征，若是，则将所述特征向量屏蔽，并更新剩余的所述特征向量，得到更新后的特征向量；

更新模块，用于根据更新后的所述特征向量，更新所述多个方面的表示特征；

降维模块，用于对更新后的多个方面的表示特征进行降维处理，得到一个目标特征；

输出模块，用于根据所述目标特征计算所述实体对的实体关系。

10.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行如权利要求1至8任一项所述方法的步骤。

11.一种电子设备，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行如权利要求1至8任一项所述方法的步骤。