随着信息时代的到来,各种各样的信息大量的出现在人们面前。人们很难迅速地找到需要的信息。为了节约人们宝贵的时间,迫切的需要一些自动化的工具帮助人们在海量数据源中迅速地找到需要的信息。信息抽取的研究正是在这种背景下产生的,关系抽取是其中任务之一。关系抽取的任务是判断一句话中的两个实体是否形成某种预先定义的关系。通常,将关系抽取问题转化为一个分类问题。与解决其他分类问题一样,本文首先对关系抽取问题中的特征提取进行了研究。将自然文本中的关系实例表达成学习算法能够使用的方式并确定实例间的相似度计算公式。本文通过对关系数据的分析完成了特征提取。通过对相似度度量方法进行研究设计了实例间相似度计算公式。然后,本文使用了支持向量机(SVM)和最近邻算法(NN)对特征提取结果进行实验检验,取得了较好的实验结果。在分类过程中,不同特征通常具有不同的相关(重要)程度。通过赋予每个特征一个恰当的权值可以提高分类的效果。本文对特征加权(feature weighting)方法进行研究,针对NN算法提出了特征权向量学习算法:PSO-NN算法。本文通过赋予相似度计算公式中的每个特征不同的权值,并使用PSO-NN算法对特征的权值进行优化,提高了在使用NN算法进行关系抽取时的性能。最后,本文设计并实现了关系抽取实验平台。在该实验平台下,可以集中精力进行关系抽取中特征提取和学习算法研究,并快速进行实验,节省了时间。