随着互联网发展速度的不断加快,网络已经逐步变为信息获取的重要途径。中国互联网信息中心(CNNIC) 2016年8月发布的《第38次中国互联网络发展状况统计报告》中的数据表明,到2016年6月为止,使用网络新闻的用户的数量增加至5.793亿,其使用率高达81.6%[1]。由此可见,网络新闻已经逐渐成为人们获取新闻事件信息的一种不可或缺的来源。如何从急剧增长的海量互联网新闻信息中获取核心新闻事件,掌握社会信息动态,也逐渐成为人们关心的问题之一。然而,由于网络的虚拟性和网络新闻信息的复杂性,使得用户在获取自己感兴趣的新闻事件时遇到了很大的困难。因此,研究并实现一种从海量网络新闻数据中发现重要新闻事件,并向用户有组织、有条理地展现出事件之间的关联关系的算法具有重要的现实意义。本文旨在研究并实现一个新闻事件融合分析算法,从海量新闻信息中抽取关键事件,并挖掘事件之间的关联信息。本文主要工作如下:1.采集网络新闻数据,使用开源工具完成对数据的预处理,并基于改进的向量空间模型完成新闻报道建模。考虑到新闻数据的特征,本文提出了基于新闻要素识别的特征选择算法,在根据TF-IDF算法选择特征词的基础上进行了优化。2.提出一种结合新闻要素识别的新闻事件发现算法,并针对新闻事件发现的结果,从事件标题、事件核心词群、事件核心报道集等方面多角度地展现事件的信息,达到以友好的方式描述新闻事件的目的。3.提出一种新闻事件关联分析方法,以共词网络为基础,挖掘事件间的关联,构建事件关联网络,并采用Louvain算法在共词网络中发现社团结构。4.将本文算法应用于多源数据分析系统中,实现了系统中的事件发现和事件关联分析功能,从实际应用角度验证了本文算法的有效性。