实体间语义关系抽取是自然语言处理中的一个重要问题,不仅是信息抽取的一项主要任务,而且具有广阔的应用前景。核函数的研究和使用是当前机器学习研究领域的热门课题,树核函数作为一种特殊的核函数,已被应用于关系抽取的研究,并取得了一定的成功。树核函数直接计算两个对象(如语法结构树)之间的相似度,从理论上讲,突破了以往基于特征向量的方法,可探索隐含的高维特征空间。本文选取了一种卷积树核函数,实现了一个实体间语义关系抽取的原型系统。在ACE2004语料库上关系检测和7个关系大类抽取的F指数分别取得了72.5和57.4。从实验结果上看,原型系统的性能已经优于某些同类型系统。通过对原型系统的详细分析,我们发现原型系统所能抽取的关系实例不完备。基于此,本文提出对语义关系树进行适当的扩充和裁剪,针对特定的结构采用特定的处理方法,使得系统性能在原型系统的基础上有了大幅度的提高,在ACE2004语料库上关系检测和7个关系大类分类的抽取中,F值提高到79.1和71.9。针对长距离的关系识别性能较低的特殊情况,本文创造性地引入了语篇分析树,提出了把语篇分析树与原有的语义关系树相结合的方法,并针对ACE2004语料库中的关系实例进行了尝试性的实验。虽然实验语料不是很充分,而且受到我们采用的语篇分析器SPADE系统性能的制约,从实验数据来看,本文的方法有效,具有一定可行性的。