随着互联网的广泛应用以及各种办公系统的无纸化，各种电子形式的文本文档正以指数级的速度迅速增长，如何从这些海量的文本文档中快速有效的找到有用的信息，成为信息检索领域的重要研究方向。信息抽取正是一个有效的解决方法，是具有较高实用价值的关键技术，因此它成为自然语言处理的一个重要研究问题。目前，在中文信息抽取已有的研究中，大多数都是集中在基于分词和文本分块的研究上，面向的对象也多为结构化和半结构化的文本。　　 针对上述研究存在的不足，本文以自由文本为研究对象，通过对大量文本的观察、分析和总结，确定关键句在文本中的特征以及与文本中非关键句之间的关系。本文提出一种面向自由文本的关键句抽取算法，该算法运用语义在自然语言处理中的优势对文本进行句子的语义相似度计算，再结合文本分析中总结的关键句特征，实现对自由文本的关键句抽取。本算法对于主题比较鲜明的文本文档可以达到较好的抽取效果。在此基础之上，本文还研究了对非结构化的句子或者标题句的抽取算法，该算法在运用依存分析对句子进行浅层句法分析的基础上制定相应规则，形成输入序列，再结合HMM易于建立、适应性好、抽取精度较高的优势，实现自由文本的信息抽取。实验表明，新的算法在召回率、准确率和正确率指标上均有良好的性能，这说明了算法的有效性，同时该算法减少了转移状态，从而使抽取的效率也能获得提高。　　 本文在研究中，灵活运用依存分析在浅层句法分析中的优势以及语义的相关计算在句子相似度计算中更高的准确度，为信息抽取工作打开了新思路，因此本文的研究具有一定的理论和实践意义。