词汇语义信息对命名实体间语义关系的抽取具有重要的作用。目前比较丰富的中文词汇语义资源，如《同义词词林》和《知网》，都曾被用于基于特征向量的关系抽取中。由于基于核函数的方法能探索离散对象的结构化特征，因此在自然语言处理的众多领域中获得了广泛的应用。本文提出了两种将词汇语义信息结合到基于树核函数的中文关系抽取中的方法，旨在提高中文关系抽取的性能。研究内容主要包括：1.提出了一种将《同义词词林》和《知网》的语义信息嵌入到结构化信息中的方法，比较了两种语义信息对中文实体关系抽取的影响，分析了《词林》不同级别的语义信息和一词多义等现象对关系抽取的影响，探讨了这两种词汇语义信息和实体类型信息之间的冗余性和互补性。2.研究了基于辞典和基于语料库的词汇语义相似度对中文关系抽取的影响。在传统的树核函数中融入词汇语义相似度，构成了语义卷积树核，分别用基于辞典的方法和基于语料库的方法考察词汇语义相似度对中文关系抽取的作用，并分析了在不同训练集规模下词汇语义相似度对抽取性能的影响。在ACE2005中文语料库上的关系抽取实验表明，在未知实体类型的前提下，语义信息能显著提高抽取性能；而在已知实体类型的情况下，语义信息也能明显提高某些关系类型的抽取性能。同时，语义卷积树核可以一定程度上提高中文关系抽取的性能，并且更有助于细粒度的小类关系抽取。而当训练集大小适当时，词汇语义相似度才可以发挥其最大的作用。