概念是知识表示的核心要素。因此，概念的提取是知识提取中最核心的任务。如何有效地从各类资源中挖掘概念实例是知识提取研究中的一个关键问题。本文分别针对特定领域文本的概念实例提取和基于Web的概念实例提取进行了研究。　　 具体包括以下两方面的研究：　　 1）特定领域文本的概念实例提取的任务是：给定一个指定的领域文本，从其中提取出该领域中所有的概念实例。本文提出一种融合单元度计算和领域度计算的中文术语自动提取方法，利用候选术语的内部结合紧密度和外部自由度来计算单元度。进一步，提出了一种基于术语部件的领域度计算方法，利用术语部件的领域权重和位置信息模板计算候选术语的领域度。　　 2）基于Web的概念实例提取的任务是：给定一个特定的概念类别，从互联网中提取出该类别下所有的概念实例。本文提出了一种基于Web弱指导的概念实例和属性同步提取的方法。利用小规模的种子实例和属性集，从Web上自动获取实例和属性共现的上下文模式，并利用种子实例和属性的关联性来评价这些模式。进一步，根据上下文模式提取候选概念实例和属性后，本文利用概念实例和属性的关联性，以及候选实例或候选属性与种子实例或属性在上下文模式分布上的相似度来评价候选。进一步，为了克服概念实例评价中对种子属性的依赖，以及充分挖掘概念实例和种子实例之间的关系，本文提出了一种基于关系图的概念实例评价方法。　　 实验结果表明，本文的方法在多个领域的概念实例提取中都有较高的准确率和覆盖率。