伴随着互联网技术的普及,微博作为一个可以即时发布与分享信息的社交平台,其地位与作用也在不断提升。微博平台每天产生着海量的事件信息和噪声微博,这些微博内容导致整个微博平台呈现“信息过载”。因此,如何从海量的微博文本中抽取有价值的事件信息,并且进行结构化的表述,使用户直观地查阅微博中的事件,具有非常重要的意义。本文首先探讨了从微博平台获取数据的方法,包括根据平台提供的API和利用爬虫抓取数据。并根据微博文本的特点,对文本的质量进行了鉴别并消除了其中的噪音。在分词和词性标注的基础上进行了基于统计和规则融合的命名实体识别。其次,本文根据训练语料中的事件触发词构建触发词库,注明了每一个事件触发词对应的事件类型和事件子类型,并对触发词库进行了扩充和消歧。经过筛选后触发词可以判定为事件触发词,而包含事件触发词的文本称为备选事件。对于备选事件,本文构建了特征向量并使用支持向量机进行分类。接着根据事件类型抽取事件中的时间表达式和其他元素。实验表明本系统可以使用户高效的从微博平台中挖掘事件信息,可以为进一步的知识推理、自动文摘以及自然语言处理扫清障碍。