科技论文中存在丰富的数值指标信息，是量化领域研究进展的主要形式。当前，研究者多通过人工阅读、摘录的方式获取、组织数值指标信息，从而定量总览所研方向实际进展，发现重要研究线索。自动从海量科技论文中快速定位到所需数值指标信息，进行结构化表示，避免大量人工阅读，具有重要的应用价值。　　现有相关研究多参考信息抽取中实体、关系识别，使用领域特征结合规则、机器学习等方法识别特定数值短语作为结果，忽视数值本身语言学特征，存在数值指标关联语义信息缺失、指标取值失实、人工标注数据不足等问题。　　针对上述问题，本文通过基础实体识别、指标取值关系识别、指标关联属性抽取，获得语义内涵丰富的数值指标知识对象。具体而言，进行以下工作:　　(1)识别数值指标知识对象基础要素。利用取值比例等特征统计识别数值指标;构建正则表达式识别数值;以单位本体为词典使用AC自动机算法别单位。　　(2)识别取值关系获得指标实际取值。通过远程监督学习数值指标与数值间取值关系句法特征，来识别数值指标句中的取值关系，得到数值指标字面取值;将取值关系分为“大于”、“小于”、“等于”、“倍数”四类，归纳相应的实际取值换算公式，通过语义标注数据学习得到取值关系类别的词法特征，对取值关系分类，将字面取值代入与类别对应的换算公式计算得到实际取值。　　(3)抽取指标关联属性信息。分析并选择适用的序列标注模型，识别数值指标上下文中时间、空间实体，通过句法依赖分析等方法判断其是否与指标关联，抽取时空信息;利用图方法、文本相似度抽取指标主题信息。　　(4)领域实证分析。基于气候变化、天文学领域全文数据，进行单领域和跨领域实证研究，证明抽取效果达到同类平均水平之上，并具有较好领域扩展性。　　本文的主要贡献:1.提出并在一定程度上解决了数值指标实际取值问题，所得取值更贴近作者的实际表达意图;2.将远程监督方法引入取值关系识别任务中，解决标注数据不足问题，减少大量人工投入;3.以数值指标知识对象为目标抽取数值信息，所得结果具有丰富语义内涵。