长期以来，电子邮件作为当下常用的通讯手段，已经成为航运业业务往来的重要载体之一。但是，目前航运业内主要还是通过人工读取邮件的方式来获取信息。通过调查，中小规模的远洋运输企业业务员日均邮件处理量可以达到300-400封，大型的远洋运输企业业务员的工作负担就更难以想象。面对如此庞大的邮件数量，人工处理方式不但效率低下，而且容易出现遗漏、错看等失误，因此，需要利用信息抽取技术，将同类业务邮件中的核心信息抽取出来，自动化地形成业务数据表，这样不仅可以在很大程度上降低手工工作量，还可以在抽取的信息上添加约束条件，以便根据企业业务的要求来过滤邮件。此外，航运业务邮件的类别包括报还盘邮件、合同邮件、船舶跟踪邮件、货物动态邮件、航次邮件等等。其中，货物动态邮件，即供货方提供给远洋运输公司的关于运货信息的业务邮件，它数量较大，内容也较复杂，因此本文选择货物动态邮件作为研究对象。针对这一研究背景，本文提出了基于GATE的货物动态邮件信息抽取方法与应用研究，即采用基于规则的信息抽取技术，以及GATE文本工程通用体系框架作为论文研究的技术依据和开发平台。论文首先针对与研究命题相关的国内外研究现状进行研究，包括基于规则的信息抽取技术的研究现状、信息抽取系统的研究现状、信息抽取技术的应用现状以及抽取规则评价方法的研究现状等；接着，对相关基础理论进行概述，包括GATE平台介绍、规则学习算法设计以及JAPE规则定义语言的介绍。然后，基于GATE平台提供的开发组件，重点研究了抽取规则的机器学习算法和规则评价的改进方法。最后，将论文所研究的信息抽取方法应用于货物动态邮件，抽取结果显示，该方法的抽取精确度可以达到85%，召回率可以达到87%，整体性能可以达到86%；同时，论文还将所研究的方法与经典的WHISK算法进行实验对比分析，证明该方法的科学性和有效性。