O aumento da quantidade de textos gerados diariamente na web tem tornado mais difícil a análise e extração de informações desses dados. Além disso, a infinidade de formas com que as pessoas podem se expressar utilizando linguagem natural aumenta a complexidade do desenvolvimento de ferramentas computacionais para extrair informação útil de textos. A Information Extraction (IE) tem o papel de automatizar a transformação de corpus textual em informações estruturadas. Informações extraídas de textos são estruturadas de diversas formas. A tripla relacional do tipo (sujeito-predicado-objeto) é a estrutura mais utilizada na IE. A tarefa de IE pode ser classificada em tradicional e aberta. A IE tradicional faz extrações a partir de um conjunto limitado de predicados. Já na Open Information Extraction (OIE), as relações não são limitadas por um conjunto fechado de predicados, pois, um dos objetivos dessa tarefa é a independência de domínio. A OIE pode ser divida em duas etapas: (i) extração e (ii) classificação. Métodos de OIE presentes na literatura utilizam funções linguísticas específicas do idioma alvo em suas etapas de classificação. Recursos linguísticos para o Inglês são mais sofisticados do que para os demais idiomas, aumentando consequentemente o desafio da OIE para estes idiomas. A maior parte desses métodos é baseado no inglês. Assim, a proposta desse trabalho é, na etapa de classificação, utilizar um conjunto de features multi-idioma para classificação de triplas relacionais, contribuindo para independência de idioma na OIE. Experimentos foram realizados para comparar as features multi-idioma com as propostas pelo features. Os resultados obtidos evidenciaram que ao nível de 5% de significância, as features multi-idioma apresentaram desempenho superior para o Inglês e Português. Para o Espanhol, ambos os conjuntos de features obtiveram desempenho semelhante.