本论文以提高半结构化信息抽取方法针对信息数量和信息类型的适应能力为目标，针对上述问题，分别对半结构化文本信息抽取和网页信息抽取展开研究。具体完成的工作可以概括为以下几点： 研究针对半结构化文本信息抽取存在的问题，提出双层级联信息抽取思想。并以此为基础，提出两种信息抽取方法。本文使用具有复杂上下文关系并包含噪声信息的求职简历对这两种方法进行实验。研究采用两种双层级联信息抽取方法，合作开发了简历自动推荐系统-Polaris。。以该系统为平台的测试结果表明，使用两种双层级联信息抽取方法均可以有效实现简历等半结构化文本的信息抽取。研究针对网页信息抽取存在的问题，利用网页结构分析，对基于包装器归纳的网页信息抽取方法进行改进，并提出一种将结构分析与归纳学习相结合的信息抽取方法。以综合结构分析与归纳学习的网页信息抽取方法为技术核心，合作开发了互联网竞争情报智能监测系统-CIS.net。 本文提出基于分类的双层级联信息抽取方法，用于半结构化文本的信息抽取。提出综合HMM与分类的双层级联信息抽取方法，用于结构化文本的信息抽取。提出综合结构分析与归纳学习的信息抽取方法，用于网页信息抽取。该方法利用网页结构分析获得的全局信息生成包装器，有效解决了基于包装器归纳的网页信息抽取方法无法应用网页全局信息的问题。