关系抽取任务旨在从文本中抽取实体对之间的关系，是当前自然语言处理（NLP）领域的热门方向之一。针对中文人物关系抽取语料中语法结构复杂，无法有效学习文本语义特征的问题，提出一个基于预训练和多层次信息的中文人物关系抽取模型（CCREPMI）。该模型首先利用预训练模型较强的语义表征能力生成词向量，并将原始句子分成句子层次、实体层次和实体邻近层次分别进行特征提取，最终融合句子结构特征、实体含义以及实体与邻近词的依赖关系等信息进行关系分类预测。在中文人物关系数据集上的实验结果表明，该模型的精度达到81.5%，召回率达到82.3%，F1值达到81.9%，相比BERT和BERT-LSTM等基线模型有所提升。此外，该模型在SemEval2010-task8英文数据集上的F1值也达到了81.2%，表明它对英文语料具有一定的泛化能力。
