1.将Kolmogorov复杂性引入到知识获取规则集的优化问题中。根据最小描述长度准则,推导出一般知识获取系统中,知识获取规则集优化的目标函数。并以此为基础,提出了基于规则扩展和局部搜索的规则库优化算法。2.参与设计并建立了生物文献知识提取系统,系统通过预处理,自动规则提取,规则优化及规则动态匹配,实现了从生物医学文献中提取蛋白质关系的功能,并初步达到实用。基于Kolmogorov复杂性的规则优化算法在大大减少规则数量的前提下,性能提高了8.9%。3.在信息距离的基础上,定义了条件信息距离,并推导出条件信息距离的一般计算公式,并证明了条件信息距离满足距离的一般性质。通过多义词的实验,说明了条件信息距离比一般信息距离能够更全面、准确、灵活地把握概念之间的关系,因而具有很好的理论潜力和应用前景。4.依据编码定理,给出了对象x的Kolmogorov复杂性K(x)和条件复杂性K(x|c)的近似计算方法。根据信息距离和条件信息距离的计算公式,提出基于大规模数据统计的信息距离NSD和c条件下的条件信息距离CNSD及其计算方法。并通过词形相似词的实验证明了NSD比当前流行的基于压缩的相似性度量CDM,在获取概念信息关系等底层知识时的优越性。5.为克服条件信息距离中条件定义的不确定性,提出了基于条件模式的扩展条件信息距离。首先确定需要处理的语义关系,并根据特定的语义关系生成一组语法规则,然后将语法规则转化为条件模式。提出了条件模式下的扩展条件信息距离的计算方法。利用语义规则为y-ISA-x的扩展条件信息距离,设计并实现了一个概念分类知识获取系统。并通过把用户的需求转换为条件模式,实现了一个智能问答系统。