为解决渔业健康养殖标准文本关系抽取领域特定性强、语意复杂导致关系抽取准确率不高等问题，提出了基于改进BiRTE的渔业健康养殖标准复杂关系抽取方法，针对实体和语义关联建模，将RoBERTa作为编码器，采用全词掩码和动态掩码的方式增强词向量特征表示，并在此基础上融合了自注意力机制(Self-Attention, SelfATT)将实体特征与关系特征结合聚焦，加强实体抽取与关系预测的联系，从而提升渔业标准文本抽取的准确性。结果表明：本文提出的基于改进BiRTE的渔业健康养殖标准复杂关系抽取模型(RoBERTa-BiRTE-SelfATT)对渔业标准复杂关系抽取的准确率、召回率和F1值分别为95.9%、95.4%、95.7%,较BiRTE模型分别提升了4.2%、3.1%、3.8%。研究表明，本文提出的渔业健康养殖标准复杂关系抽取模型RoBERTa-BiRTE-SelfATT可以有效解决渔业标准文本关系抽取中专有名词识别不准确、语意复杂导致实体关系难以抽取的问题，是一种有效的渔业标准复杂关系抽取方法。

在社会经济高速发展之下，煤炭需求量大增，煤炭开采行业面临着更加广阔的发展空间，但同时也要求其不断进行煤炭开采技术的提升。同时，煤炭开采作业的环境各不相同，地理条件并不一致，常会出现难以预料的突发状况，进而会导致安全事故问题出现，会对采矿人员的安全产生极大的威胁。为此，本文分析了煤炭企业常用的采矿技术，并对煤炭开采中有效的安全防范策略进行了进一步阐述。