随着移动互联网的快速普及,网络已经成为了产生地理信息的重要渠道,据统计,接近70%的互联网数据与地理信息有关。由网络生产的空间位置数据已经与专业采集设备收集的空间位置数据总量相当。从文本中快速、准确地提取出位置信息,可以大大提高数据采集效率,更好地满足人们对地理信息的需求。文本中的位置信息包括地理命名实体和相对位置信息两部分,地理命名实体即为文本中的地名和部分组织机构名,相对位置信息依附于实体而存在,用来描述实体间的空间关系。现有的研究往往只关注地理命名实体的提取方法,忽略了对实体间的相对位置关系的识别和转化,也缺少相关的位置信息语料库建设。同时,现有的识别方法仍然有很多不足,如对复杂地名识别召回率不高、识别范围不准确等。因此,针对网络文本中的位置信息自动提取中存在的问题进行研究,在理论上和实践中都有很重要的意义。本文在国内外现有的研究基础上,建立了位置信息语料库,其中增加了对相对位置关系的标注;基于扩展后的语料库,设计了文本中位置信息的提取和转化方法。主要内容和贡献如下:（1）建立了基于网络文本的位置信息标注语料库,设计了相关的标注系统。本文从相关网站爬取了大量语料,并对其进行文本提取、预处理、清洗、分词、词性标注等处理。以IBO标注体系为基础,设计相关标签对文本进行快速标注,建立位置信息语料库。该语料库解决了目前公开语料数据不足、语料时效性不强、缺少对相对位置信息标注等问题。（2）引入BERT预训练模型,设计了基于BERT-Bi LSTM-CRF复合模型的识别方法。BERT模型具有强大的文本特征表达能力,Bi LSTM可以很好地提取上下文特征,CRF模型则对标签分布进行约束。本文通过设计对比试验,结合相关评价指标,验证了本方法相比于其他方法的先进性。（3）将文本中位置信息转化为结构化信息。对相对位置信息进行总结,归纳出常见的四种关系语义和地理命名实体间的三种分布结构。并基于百度地图平台,设计了文本中的位置信息推理和转化方法。最后,结合当前新冠疫情的实际需要,开发了从文本中提取路径的示范应用,对转化方法进行了验证。