实体间语义关系抽取是信息抽取中的重要环节，目的是通过命名实体对的上下文来确定实体之间是否存在关系以及存在何种关系。作为实体关系抽取的重要分支，人物关系抽取问题受到许多专家学者的关注。本文提出了一种基于最长公共子串(LCS)问题加权处理的抽取二元人物关系的方法，并在此基础上构造了模板自动生成的人物关系抽取系统。　　本文的研究内容主要包括以下几个方面：　　一、使用模板自动生成方法进行人物关系抽取，并对原始的LCS算法进行了改进，主要是进行了加权处理；　　二、为了提高系统的泛化性能，系统增加了《同义词词林》语义扩充功能，对关系描述词的范围进行了扩充；　　三、在提高模板的泛化性能的同时，为了使模板具有细致的区分度，系统将模板中的某种关系描述词进行小类的统一标记；　　四、为了提高模板的匹配效率，系统增加了模板的评测与排序模块；　　五、用基于CRF算法的分类器作为对比实验，对基于模板自动生成的人物关系抽取系统的效率和有效性进行了验证。　　实验使用从2007年人民日报网页版提取的1500个含有两个人名的句子作为实验数据，人工标记句子关系种类，并随机选取其中的2/3作为训练数据、1/3作为测试数据。分别用基于模板自动生成方法和基于条件随机场(CRF)算法进行二元人物关系抽取。基于模板自动生成方法的分类器加权平均后的准确率、召回率和F值分别为：0.8881、0.8907和0.8806，基于CRF算法的分类器加权平均后的准确率、召回率和F值分别为：0.8400、0.8628和0.8287。基于模板自动生成方法的分类器在二元人物关系抽取上取得了更好的识别结果。