随着计算机的普及以及互联网的迅猛发展,大量信息以电子文本的形式出现在人们面前。为了应对信息爆炸带来的挑战,迫切需要一些自动化的工具帮助人们从海量信息源中迅速找到真正需要的信息。信息抽取研究正是在这种背景下产生的。信息抽取的目的是将无结构的文本转化为结构化或者半结构化的信息,并以数据库的形式存储,供用户查询以及进一步的分析利用。本文围绕信息抽取的三项基本任务:命名实体识别、关系抽取、事件抽取开展工作,在命名实体识别的基础上进一步研究了关系抽取与事件抽取,并实现了一个完整的中文领域信息抽取系统。本文采用基于规则/模式匹配的方法进行信息抽取,并针对不同的任务采用不同的规则/模式获取方法。本文的成果与贡献主要体现在以下几个方面:1.领域实体识别:领域实体识别的任务是识别与特定领域相关的一些命名实体项并赋予其词性。本文采用基于指示词的规则匹配的方法进行领域实体识别,并根据领域实体列表自动学习得到领域规则集合,根据训练语料自动扩展领域知识。2.领域事件抽取。本文针对特定领域的事件信息,采用在命名实体识别的基础上基于模式匹配的事件抽取方法。本文通过对模式实例进行聚类,然后对每一类模式实例分析得到候选模式,对候选模式集合进行合并获取领域事件模式。3.领域关系抽取。本文针对特定领域的人员职位变动关系,采用基于关系模式匹配的方法进行领域关系抽取,并使用“模式动作”模板库对抽取结果进行语义分析与矫正。本文提出基于Bootstrapping的方法根据种子集合自举来获取关系模式集合。