词间关系指词汇之间的各种语义联系和句法关系。词间关系研究的主要内容包括:对以词条为表现形式的语义概念之间的较强语义关联进行识别和数理度量，构建如叙词表、本体等形式的语义知识库，进而对词间关系进行可视化处理等相关研究。词间关系研究是自然语言处理的基础性研究之一，其研究成果广泛应用于信息检索、叙词表和本体自动构建、机器翻译等诸多领域。　　词间等级关系是词间关系的重要类型之一，又称上下位关系、属分关系或属种关系，在叙词表、本体等知识库的关系表示当中占有相当高的比例。词间等级关系识别研究的方法主要分为基于字面相似的词间等级关系识别、基于模式识别的词间等级关系识别和基于数理统计的词间等级关系识别三类。其中，基于字面相似和模式识别的词间等级关系识别方法在识别结果的准确率方面具有较好的效果，但召回率很低。与之相反，基于数理统计的词间关系识别方法，利用海量的语料库和统计语言模型，自动化程度高，识别结果的召回率高。随着计算语言学的迅速发展，基于数理统计的词间等级关系识别方法正成为识别词间等级关系的主流方法。　　针对已有汉语词间等级关系作为识别方法存在的不足，笔者在借鉴国内外相关研究成果的基础上，以机器可读词典(MRD)作为语料，提出了一种基于词典释义构建决策树模型进行语义挖掘，利用机器学习进行词间等级关系识别的方法，并设计和实现软件系统对所提出方法的效果进行验证。　　通过实验，得到了词语间释义关系概念集合相关特征与词间等级关系间的相关性结论，并且在词间等级关系的识别过程中取得了较好的效果。实验结果表明，利用词语间释义关系概念集合的重叠关系特征，构造决策树模型，通过机器学习的手段，自动化识别词间等级关系的方案思路是可行和有效的。