伴随着互联网的飞速发展,信息数据也随之越来越多样化和复杂化,这也给用户在查询信息时带来了很多的不便。如何从每天不断涌现的大量的数据中提取出需要的信息的也成为自然语言处理研究的重点。而本文研究的信息抽取技术应运而生,将大量无序、不规则的信息抽取出来并结构化存储,对推动信息技术的发展具有重要作用。本文的特色是研究了以事件和时间为中心的信息抽取技术,并且设计和实现了个性化校园日历系统。主要创新点和研究成果如下：首先,设计和实现了一种将规则和统计模型相结合的中文实体关系抽取算法,该方法利用正则表达式抽取出准确结果,采用条件随机场模型和最大熵模型相结合的机器学习方法给出补充结果,提高了准确率和召回率。该方法在TAC-KBP评测的SlotFilling任务中取得了较好的效果。其次,提出并设计实现了个性化校园日历系统,该系统在抽取事件信息的同时对事件中的时间信息进行整理,为人们全面了解事件提供了线索。此系统采用基于规则的方法抽取了文本信息中的时间表达式并对其进行归一化处理。在此基础上,提出词激活力模型的事件起止时间表达式的识别方法。事件的起止时间对于了解事件的发展进程提供了更多的信息。该系统已经在校园实体搜索引擎系统COSE中成功应用并上线。第三,提出一种基于WAF的情感倾向词表扩展方法以及基于机器学习的文本的情感倾向性判断方法。该方法在2011COAE评测的任务一观点词抽取与倾向性判断的问题解决上取得较好成绩。该算法模型为校园日历系统添加了情感倾向性判断功能。该功能可进一步应用于校园舆情监控。