专利的技术方案信息是专利信息的重要组成部分，是专利作者创新精髓，是专利保护的主要对象。然而技术方案信息是以自由文本的形式存在，因此如何将技术方案信息转化为计算机可处理、可读、可理解的结构化形式便成为亟待解决的问题。　　本文将自然语言处理领域中信息抽取技术应用于中文专利摘要文本，对其中的技术方案信息予以抽取，并采用结构化的形式对其进行描述。本文在对专利摘要文本的特点进行分析的基础上，提出专利摘要文本信息抽取策略并确定了专利摘要文本信息抽取流程。采用基于线性组合核函数的方法对专利文本语句进行分类，将专利摘要语句分为描述主题信息的语句、描述结构及运作特征的语句和描述性能优点的语句，划定信息抽取的范围。为了线性组合核函数权重的确定问题，本文提出了一种基于多目标规划思想的权重优化方法。根据同类样例相似性较高，异类样例相似性较低的原则，确定优化模型。通过对模型求解，获得线性组合核函数权重。针对专利主题词抽取问题，利用专利标题的特点采用完全无指导的方法构建信息抽取模板，抽取专利主题词。基于此种方法，减少了人工构建模板或是标注语料的时间和劳动量。针对技术关键词关系抽取问题，采用基于核函数的关系抽取方法。将特征分为需精确匹配特征和需近似匹配特征两类，分别定义相似性计算方法，并将相关联的特征使用特征节点进行整合，在此基础之上定义核函数。解决基于特征向量方法中，特征相互独立缺少联系的问题和通过点积计算某些特征相似性的不合理性。　　本文的方法在抽取主题词实验中F值达到91.20％，在关键词关系抽取的试验中F值达到82.43％。