近年来,人工智能技术在人类社会生活中已得到了广泛的应用,而它的应用往往需要大规模知识库来支撑。属性关系是知识库的重要组成部分,它作为实体关系的一种,反映的是实体间的关系类别,主要包括概念实例、属性关系触发词和属性值。中文网络百科包含了大量条目名、属性、触发词和属性值,为属性关系抽取提供了丰富的数据源。目前,从中文网络百科抽取属性关系主要存在两个问题：(1)现有方法获取的属性不利于属性关系映射到百科知识库,且每个属性几乎都缺少有效的属性关系触发词表；(2)基于中文网络百科的训练语料匮乏,且属性关系抽取严重依赖于命名实体识别。针对上述难题,本文着眼于构建有效的大规模属性关系知识库,提出了相应的解决方案。主要内容如下：第一,研究了一种属性名称抽取方法。充分利用信息模板结构化或半结构化的特征提取候选属性名称,并筛选出目标属性名称。第二,基于属性描述模式研究了一种属性关系触发词表建立方法。从属性描述模式中选取种子词,根据外部词典扩充种子词,进而研究了一种可信度评价方法。依据扩充种子词从属性描述模式中多次提取候选触发词,并人工筛选建立触发词表。第三,研究了基于弱监督的训练语料自动获取方法。根据条目名和信息模板生成的属性关系三元组回标百科文本子句初步构建训练语料,进而研究了一种朴素贝叶斯分类器和触发词过滤的算法来优化训练语料,并在回标和分类过程中对属性值进行预定义符号标记,一定程度上打破了命名实体的限制。第四,使用条件随机场工具包建立条件随机场抽取模型。首先对训练语料中的条目名和触发词进行标记,然后研究了一种训练语料格式自动转换方法,最后选取语料特征,制定特征模板来完成模型训练。本文以互动百科条目文本为数据集,分别对“高校”类别和“公司”类别训练生成不同属性下的抽取模型,并针对相同类别的互动百科条目文本进行属性关系抽取测试。实验结果表明本文的方法不仅能取得良好的抽取性能,而且具有较高的可移植性。