随着移动通信技术的发展,手机应用市场呈现日益繁荣的景象,其中新闻类应用程序为用户接收新闻信息提供了极大的便利。但是,实时更新的新闻推送使用户端获取的新闻过于冗杂,事件主题分布散乱,使用户难以在短时间内浏览自己所关注的新闻事件。因此,把新闻按照事件归类后再进行推送,将使用户端的新闻组织更加简洁有效,可以提高用户的浏览效率,所以对新闻进行事件粒度的聚类研究具有重要的现实意义。本文主要工作如下:(1)介绍本文的课题背景和研究意义,调研并总结国内外关于新闻事件聚类的研究现状;介绍新闻事件聚类的基本过程和相关技术;分析当前新闻事件聚类的不足之处。(2)针对目前的新闻事件表示方法只能有效提取给定类型的事件以及难以有效构建语义环境的不足,本文提出一种句子级的无监督事件信息提取算法,并设计一种基于语义关系图的事件表示算法。首先,从各新闻中提取与新闻事件直接相关的语义单元;然后,构建与新闻语料对应的语义环境,即根据语义单元中词项之间的关联构建与新闻对应的局部语义关系图;最后,将多个新闻对应的语义关系图进行合并,得到全局语义关系图,语义关系图表示各新闻之间的关联。实验结果表明,本文提出的事件表示算法具有较强的表现力,可以有效的反映事件关系以及事件簇信息。(3)对得到的语义关系图进行图嵌入,将结点之间的关系转化为向量之间的关系,从而通过向量实现语义关系图的聚类。针对目前图嵌入算法难以准确捕获结点间的簇信息和破坏高阶信息等问题,提出一种强化结点簇的图嵌入算法,使得在嵌入空间中簇内结点距离较近而簇间结点距离相对较远。其中针对高阶信息被破坏的问题,本文对原始图进行边采样从而构建全局子图;针对无法在嵌入空间还原簇信息的问题,本文提出一种基于triangle motif的伪聚类算法用于采集结点序列,使簇信息在嵌入后的空间中得到加强,簇间边界更具辨别力。在Polblogs等数据集上进行实验表明本文的方法优于DeepWalk、LINE和Node2Vec等图嵌入算法。(4)基于以上研究成果设计并实现了新闻事件聚类原型系统,该系统实现了新闻事件的提取与表示、语义关系图的构建和更新、图结点的向量化表示和新闻事件聚类等功能。