随着互联网上信息内容的增多,人们要准确、快速、全面的获取所需信息更加困难。传统的方法是对网页信息进行人工语义标注,而对现有海量网页进行手工语义标注显然并不可行,因此如何提高自动语义标注质量是研究的重点。由于本体在语义和知识概念方面可以更好地描述信息,所以将本体引入到传统的语义标注方法中。通过对语义标注方法的分析和探讨,理解自然语言信息抽取和标注算法是提高语义标注准确率的关键。深入探讨自然语言关系抽取方法和语义标注算法后,本文主要研究了在本体知识库构建时如何高效抽取概念属性间的语义关系;并通过改进语义标注算法达到提高标注准确率的目的。本文所做的主要工作如下:(1)对中文文本关系难以抽取的问题进行深入研究,提出一个新的关系抽取方法。为了缓解关系三元组抽取困难的问题,提出基于属性和概念实例的关系三元组构造方法,抽取到的大量概念实例关系三元组中不仅包含显式关系三元组还包含隐式关系三元组。针对抽取到的关系三元组含有噪声和错误的问题,使用基于Adaboost迭代算法的协同训练方法对关系抽取模型进行强化。以大学类别领域百科条目文本作为实验材料进行实验,结果表明该方法能够取得较好的抽取性能。(2)在语义标注过程中,为了消除文本中给定的命名实体与知识库中实体映射过程中出现的歧义问题,提出了一种基于上下文信息相似度值排序的消歧方法。消岐方法包括实体表示预处理、候选实体列表构建和相似度值排序算法三部分。针对命名实体指称多样性问题,使用实体表示预处理方法抽取标准实体。然后利用中文在线百科构建本体知识库,得到标准实体的语义列表。同时提出利用相似度值排序方法解决标准实体与语义列表映射的指称歧义性问题,对于未找到语义的实体采用HAC聚类算法进行消岐处理。实验结果表明,提出的消歧方法能够有效的把中文网页真实数据集中文档的实体映射到本体库中对应无歧义的实体上。