随着计算机技术和网络技术的快速发展,互联网已成为当今世界上最大的信息平台。面对互联网中日益增长的海量数据,单一的返回网页的信息检索方式已经无法满足人们准确高效获取信息的需求。信息抽取力求将网络中用自然语言表达的半结构或是非结构的内容,转化为结构化的知识库中的信息,从而,能够提供智能化、人性化的信息检索。作为信息抽取的一个重要组成部分,实体关系抽取对于理解和掌握网络信息、提供细粒度的检索服务有十分重要的意义。海量的开放领域的网络文本中存在大量的实体,包含着数目众多、类型未知的实体关系。传统的从特定领域的语料库中获取预定义类型的实体关系的关系抽取面临着严重的挑战。本文研究开放式的关系抽取,不限定语料的领域,不需要人工标注的语料库,不限定关系的类别,可以从Web中文语料中自动抽取到大量可靠的实体关系。利用网络数据的冗余性,自动获取用于关系抽取的实体对和句子。针对中文的句法表达,对标识实体对关系的关系特征词提取方法进行研究,提出了基于实体对位置、基于句法分析和基于马尔可夫逻辑网概率模型的关系特征词提取方法。在获取关系特征词集合后,研究了关系特征词数值化方法。采用凝聚层次聚类,使用组平均连通作为簇相似度的度量方法,将具有相似关系的实体对聚到同一个簇中,对同一个簇中的实体对标注关系类标签。最后,对聚类结果进行可靠性评价,从而提升获取的关系的质量。本文对开放式关系抽取的关系评价进行了深入研究,提出的概率模型能够对抽取出来的关系进行有效地评价,从而保证抽取出来的关系具有较高的可信度。实验结果表明,本文研究的基于聚类的开放式中文实体关系抽取取得了比较好的效果,能够获取大量有价值的实体关系,可以满足用户查询及实际应用的需求。