Durante la extracción conjunta de entidad y relación de los datos de gestión operativa de ingeniería hidráulica, a menudo surgen oraciones complejas que contienen múltiples tripletes y relaciones de entidad superpuestas. Sin embargo, los modelos tradicionales de extracción conjunta sufren de un enfoque de representación de una sola característica, lo que dificulta la efectividad de la extracción de relaciones de entidad en oraciones complejas dentro de los conjuntos de datos de ingeniería hidráulica. Para abordar este problema, este estudio propone un método de extracción conjunta de entidad y relación multifuncional basado en un mecanismo de contexto global y redes neuronales convolucionales gráficas. Este método se basa en el modelo preentrenado Bidirectional Encoder Representations from Transformers (BERT) y utiliza una unidad recurrente bidireccional (BiGRU) y un mecanismo de contexto global (GCM) para complementar las características contextuales y globales de las oraciones. Posteriormente, se emplea una red convolucional gráfica (GCN) basada en dependencias sintácticas para aprender características de dependencia entre palabras, mejorando las capacidades de representación de conocimiento del modelo para oraciones complejas. Los resultados experimentales demuestran la efectividad del modelo propuesto en la tarea de extracción conjunta en conjuntos de datos de ingeniería hidráulica. La precisión, recall y puntuación F1 son del 86,5%, 84,1% y 85,3%, respectivamente, superando al modelo de referencia.