事件关系识别是判定文本中两个事件之间存在何种关系的自然语言处理技术。识别事件关系,有助于自动问答系统、文本摘要和信息抽取等其它自然语言处理任务的开展。本文研究聚焦在事件相关关系、因果关系和时序关系的识别上,研究内容如下:(1)中文事件相关关系语料库构建及事件相关关系识别方法针对公开的中文事件关系语料库资源匮乏的问题,本文以ACE 2005中文语料库为基础,提出基于子话题分割法的事件相关关系语料标注方法。在此基础上,本文提出一种事件相关关系识别方法,首先使用分类器模型,加入词汇、句法、论元等特征得到初步识别结果;然后对识别结果进行优化处理,提取核心事件并进行全局优化得到最终结果。最终识别性能F1值较基准系统提升了5.00%。(2)中文事件因果关系语料库构建及因果关系识别的全局优化方法在事件相关关系语料库的基础上,本文首先提出基于条件概率模型及语义信息的因果关系标注方法,对事件相关关系中的因果关系进行标注;其次,加入识别事件相关关系所用的所有特征,构建分类器模型作为基准系统;最后,使用基于整数线性规划的全局优化方法,加入基本约束条件和扩展约束条件,进一步提升事件关系识别性能。实验结果表明全局优化能有效提升系统识别性能,F1值提升了5.03%。(3)事件因果关系与时序关系识别联合推理模型事件因果关系与时序关系相互关联,本文提出基于整数线性规划的事件因果关系与时序关系识别联合推理模型。首先,利用两个任务本身的基本约束和相互间的关联性约束,保证识别结果一致性;在此基础上,加入多种两任务联合推理规则,进一步规范其一致性。实验表明,本文的联合推理模型能有效提升两个任务的识别性能,因果关系识别性能F1值提升了1.50%,时序关系的每类识别性能均有提升。