信息抽取是在互联网迅速发展的背景下产生的一项技术。它的目标是实现从浩如烟海的文本信息中抽取预先想要的信息。本体起源于哲学,后被引入到人工智能中,一个设计完善的领域本体可以为某领域的知识表示提供基础。本文通过对信息抽取和本体这两项技术的探索与研究,将二者相结合,提出了基于OWL本体的文本信息抽取算法。在算法中,将本体作为领域的知识框架来参考,待抽取的文本被视为非结构化的该领域框架的实体。算法的目的是抽取出该领域框架的结构化的实体,即通过本体的组成元素:类,属性和实例,来描述抽取的文本信息。该算法包含五个子算法,分别是:显性类和实例的抽取算法,隐性类的抽取算法,对象属性的抽取算法,数据属性的抽取算法以及区分领域实体的算法。这些算法的基本思想都是源于对本体结构的分析。因此他们都是基于语义的抽取算法。以基于OWL本体的文本信息抽取算法为核心,本文还设计并实现了由语义信息库,本体解析模块,文本预处理模块,语义信息抽取模块和抽取结果存储模块五部分组成的文本信息抽取系统,并将其命名为TIEBOO。实验表明,在系统各模块的协同运作下,能够实现较精确的文本信息抽取。最后,通过对信息抽取技术以及信息检索技术的联系与区别进行分析,本文设计了将TIEBOO系统应用到信息检索系统中的系统体系结构,并阐述了TIEBOO在提高检索系统性能方面的优势。本课题从一个全新的角度设计了信息抽取的方法,抽取性能的F指数能达到80%左右。并展示了利用信息抽取系统提高信息检索性能的系统架构。为构建智能信息检索系统提供了有力的参考。