在互联网诸多种类的文本中,有一种以商业财经分析和股评信息为主题的电子文档,这些文档中涉及很多商业实体和商业关系。商业社会网络就是以该类文档为基础,利用文本处理技术构建的一种社会网络。结构化的商业社会网络是以商业实体为基础,通过商业关系联接在一起的复杂结构图,图中的节点代表商业实体名称,边代表商业关系。信息抽取是文本处理技术的一类,其目的是由无结构或半结构的文本中抽取出特定的信息,然后将已抽取的信息格式化并存入数据库,以供用户的查询和分析。本文主要利用信息抽取技术中中文机构名称识别和中文关系识别技术,结合财经文本的特点,实现了商业社会网络系统的自动构建。重点阐述了利用自然语言处理模型进行的商业实体名称的识别和以自扩展技术为基础的商业关系抽取。在商业实体名称识别中,首先利用分词和统计的方法,确定构成商业实体名称的不同词性分布,作为条件随机场的训练的特征;然后利用统计的方法确定商业实体的文本上下文特征;最后利用条件随机场综合已选择的特征,经过训练得到能够在自由文本中实现商业实体名称的语言模型。对CRF训练得到的语言模型采用N折交叉测试,商业实体全称的识别精确度达到了94.6%,召回率达到91.4%,平均F值达到92.9%。本文同样使用CRF对简称进行标记,采用基于单字特征训练得到新的识别模型,经过对该模型的N折交叉测试,识别精确度为93.4%,召回率85.6%,平均F值89.3%。为了实现商业实体关系的自动抽取,首先利用精确匹配方法将财经文本中已识别的商业实体显示标出;然后采用自扩展算法,在提供优良的种子集基础上,实现商业实体关系的提取。对抽取的结果采用随机抽取小样本和人工标注结果比对测试,抽取正确率达到了66.8%。