事件抽取和追踪是自然语言处理领域一个非常重要的研究方向,如何准确而高效地从大量繁杂无序的信息中提取到感兴趣的事件信息,一直是事件抽取研究领域的关键问题。一般而言,事件抽取就是从非结构化文档中抽取出用户感兴趣的事件,同时用结构化形式描述,供用户查询和进一步追踪分析等。事件抽取的研究对象会选取某一个固定领域或者新闻文本,这样更符合用户对于事件抽取的想象。并且事件抽取的形式也比较固定和单一,一般会采取基于模板匹配提取结构化文本或分析文本段落等进行分类的方法。本课题基于时空元素语义搜索引擎的研究背景,提出了一种基于语义的文本事件信息抽取方法,创新地通过应用多方面语义知识和统计方法,强调时、空元素对于事件追踪的定位功能,进行信息抽取和归并,最终实现对文本中事件的描述。该课题的处理文本类型多样,结构与行文风格复杂,如果采用传统的方法达不到理想的结果。而在实际应用中,这种情况非常常见。本文目标明确,方法有效且不繁琐,结合语义知识和统计学习,对处理复杂语料和大规模数据有着非常明显的优势。另外,在本文中涉及到多方面自然语言处理的相关概念和算法研究,可以说,通过本课题对自然语言处理的研究,尤其是对信息抽取的研究有了深刻的认识与感悟。