信息抽取是指从非结构化的自然语言文本中自动地提取出结构化的有价值的信息。近年来信息抽取任务蓬勃发展,在很多领域的影响力是举足轻重的。随着互联网技术的发展,抽取的源文件不仅数量日益增多,而且还有冗余、异构等特点,传统的信息抽取技术已经不能满足人们的要求,于是开放信息抽取应运而生。然而现有开放信息抽取的抽取方法中多数方法在抽取关系元组时并不考虑文本中的语境信息,不能抽取到语句中的事实信息。针对开放信息抽取文本中与事实相关的语境信息,本文利用文本自然语句中与事实相关的语境信息,提出了一种子句级别语境感知的开放信息抽取方法(Clause Context IE),具体工作如下:第一,Clause Context IE根据语句中语境的存在情况将语句分成四类:无语境的语句、有简单语境的语句、有并列连接词的语句和有复合语境的语句;并将每一类语句都划分出语境内容,以及和每个语境对应的相关部分和无关部分。第二,Clause Context IE根据第一部分工作中对语句内容的划分,实现子句级别的语境划分:利用文本中依存关系,从外层到内层依次检测语境,并根据语句的种类将语句划分成与此语境相关和无关的两部分,以将语境精确的分配给相关的元组:最后使用基于子句的方法从各部分获取大量的关系元组,并给每个元组分配相应的语境域生成最终的事实元组。此外,Clause Context IE还将抽取语境中存在的事实元组,并且不分配任何语境。Clause Context IE一方面避免了语境信息被错误的抽取为关系元组,另一方面在保证关系元组正确的基础上,正确地将语境域分配给被限定的关系元组。实验Clause Context IE与经典的Re Verb、OLLIE和Claus IE进行对比,分别对Re Verb dataset、Wiki dataset和NYT dataset三个数据集进行抽取,实验结果验证了子句级别语境感知的抽取方法Clause Context IE,在随机数据与含语境信息的多样性的文本中,实现了较高的召回率和精确度。