随着社会的发展,人们被包围在信息的汪洋大海之中。准确有效的从大量无序、杂乱、无结构的信息中提取感兴趣的事件信息,这正是事件抽取要解决的问题。现有的事件抽取的研究还主要局限在句子范围,然而,一个主题事件通常由多个状态和动作组成,其描述信息通常分散在一个或多个文档中,现有的事件抽取方法显然无法满足主题事件抽取的需要。本文在研究上述问题时,提出了将主题事件的抽取划分为三个层次,并将其应用到访问主题事件的抽取中。第一,句子范围的元事件抽取,主要抽取一些相关的动作和状态。第二,篇章范围内的事件信息抽取,根据主题事件的框架结构,在句子范围的元事件抽取的基础上,通过篇章范围的语义信息将这些元事件进行串联,形成主题事件片段。第三,跨篇章的事件信息归并,首先本文使用聚类的方法确定事件归并的范围;其次按照一定的归并条件,将满足条件的主题事件片段进行归并。通过这三个层次的信息抽取和归并,就可以得到一个主题事件的完整信息描述。本文首先介绍了事件抽取的基本概念,研究现状和当前面临的主要困难。其次提出了一种定义在论元结构层次的事件抽取模式,并提出了一种机器学习方法来获取事件抽取规则;该方法的特点是将语义角色标注技术应用于事件抽取,通过将触发动词支配的语义角色与待抽取的事件元素相对应,实现了句子范围内面向动词的事件信息的抽取。接着,本文介绍了一种基于元事件的事件知识表示框架,将主题事件看作是元事件的集合;抽取出框架中定义的元事件后,对其中的人物、地点、时间进行规格化处理,再利用指代关系、时间、地点这些重要的语义载体,在篇章范围内进行了初步的信息串联,从而获取了主题事件片段信息。然后,本文提出一种基于摘要的聚类方法将语料集合按照主题进行聚类,以此来确定跨篇章事件信息归并的范围。最后提出了一种简单的归并条件,用于对分散在不同文档的主题片段信息进行归并。对访问主题事件的抽取实验结果表明,本文提出的基于元事件的框架定义对事件知识的表达是有效的,指代关系、时间、地点等语义载体的规格化处理,有效的进行了篇章范围内事件信息的串联,排除了干扰信息。在主题事件聚类实验中,本文提出的基于摘要的主题事件聚类方法和相似度计算方法的改进,相比常规的聚类方法,其效果得到了明显提升。