近年来，随着计算机技术的迅猛发展，信息抽取技术已经成为自然语言处理领域的热点研究问题之一，并且机器学习、文本挖掘和图算法等多个方面的技术也在信息抽取中得到了应用，然而信息抽取算法的性能仍然不能达到用户满意的标准，还有许多问题有待进一步研究。本文在分析现有文本表示模型不足的基础上，运用图模型、条件随机场模型、机器学习的相关理论来实现信息抽取算法的设计。为了提高信息抽取的性能，分别提出了基于规则的命名实体识别算法、改进的基于规则的人名识别与抽取算法、基于规则与条件随机场相结合的命名实体识别算法、基于规则的组织机构名称简称生成与识别算法、基于文本分类的人物关系识别与抽取算法。并且通过实验验证了所提出算法的有效性和高效性，为信息抽取技术的进一步发展提供了更为广阔的空间。