领域本体用来表示特定领域内概念及概念之间的关系,是一种共享的,形式化的,概念化的表示。现在,领域本体的应用越来越广泛,尤其是在知识管理、人工智能、教学等领域。目前的本体构建主要是由领域专家进行手动构建,但是,近年来随着科技的发展,信息的爆炸式增长,以前人工构建本体的方法越来越困难。因此,许多研究者开始致力于本体的半自动或自动构建,以提高本体构建的效率。研究者们主要通过研究如何从文本中获取领域概念和概念之间的关系来自动或半自动构建本体。在本文中,通过对国内外本体自动构建的方法进行研究,提出了一种基于依存句法分析的教学领域本体的自动生成方法,并以计算机领域为例进行说明。该方法充分地利用了现阶段较成熟的自然语言处理技术,用《大学计算机基础》中的内容为实验素材进行实验。本文所做的工作主要包括以下几点:（1）本体描述句子的预处理:首先通过Stanford Parser进行句法结构分析,将句子中对本体构建没有贡献的修饰性成分删除,使自然语言简单化,标准化,减小对后续工作的影响。（2）本体描述句子分类:对预处理后的句子进行依存句法关系分析,根据分析结果,结合概念间相似度,将句子进行分类,并为不同类别的句子定义模板,其中包括了概念之间的分类关系、概念的对象属性和概念的数据属性三部分。根据句子模板的不同,确定句子中概念之间的具体关系。（3）模板的匹配及信息的提取:在对信息进行提取时,首先将句子的依存关系结果与模板进行匹配,确定句子属于哪一个模板,根据模板的不同,进行信息提取。本文为不同的模板制定不同的提取规则,并给出提取过程。（4）提出了一种适用于教学领域本体中的词语相似度的计算方法:针对教学领域本体中包含大量不被通用词典收入的复合词,在现有基于同义词词林的词语相似度计算方法之上,提出了一种通过计算复合概念之间的相同部分的词语重合度和不同部分的词语相似度来确定复合词之间相似度的方法。通过实验发现,这种方法不仅实现了计算机教学领域本体概念间关系的自动提取,而且还可以确定概念间的具体关系。