词的搭配对于人们理解句子、产生准确和流畅的语言都具有重要作用,对于提高自然语言处理任务如机器翻译、问答系统等的性能都具有重要作用。本文首先从搭配结合的紧密性、组合性和可替换性出发,将搭配分为三类,并针对第1、2类搭配提出了一种搭配抽取的统计量R值。R值主要是通过考察搭配组成部分的不可替换性,来反映其成为1、2类搭配的可能性。本文将R值方法和其它已有的41种统计量一起,使用本文人工建立的COLLOCAT工ON_CIST₂011语料库,进行了单统计量抽取搭配的性能实验。并采用Recall,Precision,MAP等多种指标对抽取方法的性能进行了评估和对比分析,实验验证了R值对1、2类搭配抽取具有较好的性能。在对有代表性的几个统计量进行分析时发现,每个统计量都有其优势和劣势,在此基础上,实验了多统计值综合进行搭配抽取的方法。多统计值综合方法是将每个统计量视为判定搭配的一个特征,采用机器学习方法,建立起组成单元特征与其是否组成搭配的结果之间的联系。本文采用包括R值在内的42个统计量,分别采用支持向量机（SVM）和人工神经网络（ANN）模型,对多统计量进行综合。实验结果表明：多统计值综合的搭配抽取方法比单统计值方法的性能有显著的提升,而R值对多统计值综合方法的性能有着重要的贡献,它有效的弥补了其它统计值所具有的不足。