灾害事件态势的准确感知取决于及时、有效地获取事件的相关数据以及对数据的理解和分析,并在应急管理中发挥着重要作用。社会媒体的广泛应用和普及,为公众收集和传播信息提供了更大的便利。灾害事件一旦发生,网络上在第一时间就会涌现出大量相关的事件新闻。这些新闻数据的有效利用,对灾害事件应急决策有较好的指导价值。然而,灾害事件的动态性和复杂性,以及社会媒体数据的海量、非结构化、时空敏感、信息冗余等特点,给基于媒体数据的灾害事件态势感知研究带来巨大的挑战。因此,如何从这些海量的新闻数据中挖掘和分析出有用的信息,进而构建事件的简明发展脉络,并利用实时变化的媒体事件信息得到灾害应急的辅助决策,已引起国内外研究者的广泛关注,并成为近年来的一个热点研究问题。针对上述问题,本文主要进行以下两方面的研究。一方面,本文提出了一种基于事件故事线的灾害事件态势感知方法,用于构建双层故事线,描述事件在时间和空间上的发展脉络。另一方面,本文提出了一种基于智能规划的灾害应急辅助决策生成方法,从自然语言文本中提取信息并构建智能规划领域模型,并生成灾害应急辅助决策。具体的,本文开展了以下研究工作:首先,为了构建描述事件在不同地区发展变化的整体情况的全局故事线,本文实现了一种基于增量DBSCAN的动态故事线生成及更新方法,该方法能够从海量文本数据中挖掘出与事件相关的重要信息,并实现对事件的整体刻画与动态追踪。其次,为了在获取文档向量表示时加入时间和地点信息,本文提出了一种基于图卷积网络的文档特征表示方法。该方法将单篇故事文档作为图顶点,将文档间的时间、地点相关性视作顶点之间的邻接关系,用图神经网络模型进行特征变换和信息融合。实验结果表明相比于通过原始文档表示得到的局部故事线,该方法得到的事件故事线能更准确地展示事件的局部发展脉络。最后,智能规划中一个很大的难题是领域模型的学习,尤其是基于自然语言文本的规划应用。本文将自然语言处理与智能规划相结合,提出了一种从灾害应急行为手册自动生成领域模型的方法,并将其应用于灾害辅助决策问题,本文将该方法命名为 FDEADM（A Framework for Disaster Emergency Assistant Decision Making）。其中,本文采用经典规划模型中的规划领域定义语言（Planning Domain Definition Language,PDDL）描述灾害领域,并采用自然语言处理技术从中提取动作及其对象来构建领域模型。本文详细介绍了 FDEADM的实现步骤,并在真实台风新闻数据集上评估了其性能。