话题检测与跟踪(TDT)作为一项帮助人们解决信息过载问题的研究，它通过对新闻流中新话题的识别和追踪，将某个话题相关的报道聚集并呈现给用户。但新闻话题的浏览不应该局限于扁平化的报道集，读者更希望看到的是一个个相互联系的新闻事件。新闻话题事件演变关系建模就是一种展现新闻话题的动态方式。本课题以新闻话题事件演变关系建模在现实中应用为目标，研究分析了事件演变关系建模的相关算法和测评结果，得出现有方法还不能够实际应用的结论。　　 针对相应的问题，作者提出了一种基于类比学习的建模方法，把旧话题的事件模型作为知识，通过类比的方式对同主题的新话题建立事件模型。根据类比学习所应用的建模步骤的不同，建模方法分为分类策略和聚类策略。在测评中，类比学习的建模方法取得了较好的效果。　　 通过一个完整的事件演变关系自动生成系统的设计和实现，本文具体分析并结合现有互联网资源解决了实际应用中的各种问题，包括新闻搜索的去重和优化、新闻网页的正文提取、跨话题的相似度计算等，从而确定了新闻话题事件演变关系建模在实际应用中的可能。