1.一种基于注意力机制的关系抽取方法，其特征在于，包括：对待处理文本进行预处理，形成第一语句；

识别所述第一语句，并对所述第一语句进行语义补全，形成第二语句；

提取所述第二语句中的特征向量，并将所述特征向量输入到关系抽取模型中，得到所述关系抽取模型输出的关系标签类型，其中，所述关系抽取模型基于训练语料库中的语义补全句和正常语句训练得到，其中，所述识别所述第一语句，并对所述第一语句进行语义补全，形成第二语句，包括：通过解析识别所述第一语句的句法结构及所述第一语句中的第一实体；

学习所述第一实体在所述第一语句中的上下文特征，以得出所述第一语句缺失的语义信息；

根据所述缺失的语义信息对所述第一语句进行语义补全处理，形成第二语句，其中，所述根据所述缺失的语义信息对所述第一语句进行相应的语义补全处理，形成第二语句，包括：若所述缺失的语义信息为主语和谓语缺失，或谓语和宾语缺失，则找出包含所述第一语句缺失语义信息的正常句，并将所述第一语句和所述正常句拼接，形成第二语句,其中，所述找出包含所述第一语句缺失语义信息的正常句，并将所述第一语句和所述正常句拼接为一个句子，包括：提取所述第一语句中包含的第一实体；

找出上下文语句中与所述第一实体距离最近的上下文特征，计算所述上下文特征与所述第一实体的相似性，并选取相似性最高的上下文特征所在的正常语句作为目标正常语句；

将所述第一语句与所述目标正常语句进行首尾拼接，形成第二语句。

2.根据权利要求1所述的基于注意力机制的关系抽取方法，其特征在于，其中，所述根据所述缺失的语义信息对所述第一语句进行相应的语义补全处理，形成第二语句，包括：若所述缺失的语义信息为主语或宾语缺失，则找出包含所述第一语句缺失语义信息的实体作为目标实体，并将所述目标实体和所述第一语句拼接，形成第二语句,其中，所述找出包含所述第一语句缺失语义信息的实体作为目标实体，并将所述目标实体和所述第一语句拼接，形成第二语句，包括：从知识库中的所述第一实体所在正常语句的上下文语句中提取与所述第一实体类型不同的实体作为候选实体；

基于标签类型从所述上下文语句中提取与所述第一实体距离最近的触发词作为目标触发词，并采用词注意力机制提取所述目标触发词与所述第一实体之间的可行性关系类型；

基于远程监督方法和所述可行性关系类型从所述候选实体中提取相似度最高的候选实体作为目标实体；

将所述目标实体与所述第一语句拼接，形成第二语句。

3.根据权利要求1所述的基于注意力机制的关系抽取方法，其特征在于，在所述通过解析所述第一语句的句法结构识别所述第一语句之后，还包括：采用词性标签机制标注所述第一实体；

在根据所述缺失的语义信息对所述第一语句进行语义补全处理之后，还包括：对所述第一实体标注的实体标签进行校对。

4.根据权利要求1所述的基于注意力机制的关系抽取方法，其特征在于，所述关系抽取模型包括卷积层、分段最大池化层、句子注意力层和分类层，其中：所述卷积层，用于对输入的特征向量进行卷积操作；

所述分段最大池化层，根据所述第二语句中实体对的位置将经过所述卷积操作后的特征向量分成三个部分，对每个部分进行分段池化并分别计算其最大值，将所述三个部分的最大值结合以输出；

句子注意力层，根据所述分段最大池化层的输出以及所述第二语句中的词和实体对之间的语义关系得出句子特征；

分类层，用于输入所述句子特征，并根据所述句子特征进行计算，以输出关系标签类型。

5.根据权利要求1所述的基于注意力机制的关系抽取方法，其特征在于，训练所述关系抽取模型包括：基于远程监督方法构建训练语料库，将所述训练语料库内的语句作为训练语句输入至所述关系抽取模型中，所述训练语料库包括正常语句和/或语义补全句；

所述关系抽取模型根据输入的训练语句进行训练，以输出预测关系标签类型；

根据所述预测关系标签类型和所述训练语句的真实关系标签类型获得损失函数，若所述损失函数保持稳定，则训练结束；否则，继续训练所述关系抽取模型。

6.一种基于注意力机制的关系抽取系统，其特征在于，该系统基于权利要求1至5任一项所述的基于注意力机制的关系抽取方法实现，系统包括：数据预处理模块，用于对待处理的文本进行预处理，形成第一语句；

短句处理模块，用于识别将所述第一语句，并将其进行语义补全，形成第二语句；

特征提取模块，用于提取所述第二语句中的特征向量；

关系抽取模型模块，根据所述特征提取模块提取的特征向量，输出标签类型。

7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述基于注意力机制的关系抽取方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于注意力机制的关系抽取方法的步骤。