知识图谱关注客观世界中存在的各种实体或概念及其关系,而忽视了事件间的演化规律知识,为了弥补这一不足,事理图谱应运而生。事理图谱中的节点是高度泛化的事件,边是事件之间的演化关系,例如因果关系、顺承关系、上下位关系、时序关系等。自然语言处理技术的发展使得信息抽取的精准率得到提升,也使得从文本中自动挖掘事理知识、构建事理图谱成为可能。本文从突发公共卫生事件领域“新冠疫情”事件着手,对事理图谱构建的关键技术展开研究,具体内容包括新冠疫情事件抽取、事件关系抽取、事件泛化以及图谱可视化形成事理图谱。事理知识的获取是构建事理图谱的基础,目前的英文语料库主要有ACE会议公开数据集,中文有突发事件CEC语料库等,但在分布上不集中于某一事件类型,因此,首先需要构建丰富的新冠语料库,在标注的形式和规范上需要从词级别进一步转换成句子级别在进一步转换成篇章级。本文选取人民网、中国新闻网、丁香园和光明网等机构关于2019新冠疫情的官方媒体文章等,共计5000篇,使用Python编写爬虫,爬取平台实时播报的疫情新闻,使用哈工大LTP工具进行分词、词性标注及句子解析得到语义角色词典,运用基于触发词-事件类型对照表的联合方法进行事件触发词抽取和类型识别;运用基于依存句法分析与匹配规则和基于最大熵分类器的事件元素抽取方法。本文将事件因果关系抽取分为显式和隐式关系抽取,对显式因果关系采用模式匹配的方法,对隐式因果关系采用深度学习的抽取方法。在新冠语料库上的实验结果验证了该方法的可行性。事件是事理图谱的核心组成,为了更好地刻画事理图谱网络,需要将具体事件泛化成更为抽象的事件,本文融合了基于事件相似度计算的泛化方法,使泛化后到的事件融入图谱网络,以更好的扩展图谱网络的稠密性,使得事理图谱更好地应用于其他任务上。本文基于上述研究方案的成果设计并实现了面向新冠疫情事件的事理图谱,并验证了基于新冠语料库提出的新冠疫情事理图谱构建方法的可行性。