随着社会网络、电子商务应用的不断深入，人们力求使网络信息的搜索、浏览更加人性化和智能化。传统的返回Web文档的检索方法开始无法满足越来越复杂的检索需求，面向实体的检索成为了研究热点。网络上含有大量的用自然语言表达的信息，机器理解这种非结构化的文本非常困难，信息抽取领域提供了一种思想把非结构文本内容映射到结构化的知识库中。从非结构的web文本中更好的识别出实体和抽取出实体间的关系，对促进对Web信息的掌握和理解，为用户提供更满意的服务都非常重要。　　传统的关系抽取系统是针对特定领域的文本获得某种特定的关系。一种目标关系提供给系统通常伴随着相应的抽取模板或者是手工标注的例子，如果要抽取一种新的关系则需要建立新的模板或者例子。这种抽取范例面对web时遭遇到了巨大挑战，web含有的信息量巨大，包含的关系数目众多并且很多是未知的。所以本文使用开放式的抽取范例。本文设计实现了一个开放式抽取系统OIES，无需任何手工劳动，系统可以从训练语料库中自动学习到一个基于条件随机场的抽取器，然后抽取出文档中句子中存在的可能的关系。本文深入研究了模板的选择和对抽取出关系的概率评价，OIES通过解决l1范式惩罚最大似然估计来进行模板选择，使用URN模型对抽取出来的关系进行评价，从而提升抽取出来的关系的质量。　　实验结果显示开放式关系抽取系统OIES可以很好的面对web级别语料库的挑战，抽取出关系的数量和质量相较之前的系统都有性能优势。