在信息抽取領域，命名實體識別方法可以為實體賦予正確的語義，實體關系抽取則可以明確兩個實體間的關系語義。但從知識的角度來看，無論是命名實體識別還是實體關系抽取都屬于“小粒度”限口識片段）的抽取，抽取結果并非獨立完整的知識實例。命名實體識別和實體關系抽取的成果只有經過知識合成才能成為獨立完整的知識實例。但由于知識體系的復雜性和多樣性，合成“知識片段”往往是非常困難的。此外，傳統的信息抽取主要采用基于規則的方法，這種方法會導致在抽取信息時因無法克服不同的信息項滿足同一或具有包含關系抽取規則時無法確定信息項類型的問題。

　　本體是共享的、規范化的概念模型，是對某一領域中知識結構的系統描述，因此從知識的角度來看，領域本體是知識抽取最有效的工具之一。但從目前來看，基于本體信息抽取和知識抽取的研究工作對領域本體的利用非常有限，且主要集中在一些信息本身格式和信息上下文格式的利用；而領域本體中蘊含的邏輯知識以及推理能力很少被利用，因此這類方法在抽取結構比較復雜的知識時抽取效果就明顯下降了。

　　本文研究的思路是：將領域本體中蘊含的邏輯知識轉換為一個Alloy語言表示的模型，在完成命名實體識別和實體關系抽取的基礎上，使用約束邏輯求解方法（Alloy分析器）來對領域內的信息進行更為精確的定位，最終得到一個具有明確語義的知識實例。本文的組織如下，第二節給出兩個引例，明確本文要解決的問題；第三節介紹相關的概念；第四節是本文的重點，介紹知識抽取的算法；第五節是實驗；最后是相關工作和結論。