在如今的服务互联网环境中,用户往往使用提供服务的平台获取服务内容,而平台则根据用户自身使用过的服务内容获取用户的服务需求,并据此对用户进行服务推荐。但是仅仅通过平台获取的用户服务需求类型较为单一,用户自身更多的潜在服务需求无法获取,而且仅仅通过这些服务需求无法对用户进行更有效、更准确的服务推荐。因此,如何从更多的渠道中获取用户更丰富、更详细的服务需求成为一个十分重要的问题,而社交媒体中恰恰蕴含着用户生活中分享的各式各样的生活事件,本文将其称为个人事件,通过研究个人事件可以获取用户的服务需求,从而对用户的服务推荐起到帮助。本文围绕该问题,从社交媒体的用户数据出发进行个人事件抽取和个人事件预测,并从预测事件结果中获取服务需求,将从以下三个方面进行阐述:（1）针对从社交媒体文本中抽取出个人事件的问题,本文提出了一个基于BERT预训练模型的事件抽取方法。使用包含三个阶段的Pipeline流程进行个人事件抽取,分别在三个阶段使用了BERT-Bi LSTM-Attention、BERT-Full Connect和BERTBi LSTM-CRF方法进行个人事件抽取,最终从社交文本中抽取出事件类型、事件主语、事件宾语、事件发生时间、事件发生的地点和事件发生的时态等信息形成结构化的个人事件数据。（2）针对基于用户历史事件预测未来事件从而获取服务需求的问题,本文提出了一个基于频繁子序列挖掘的个人事件预测方法。首先对个人事件进行对齐,然后将对齐后的事件按照时间顺序构建事件输入序列挖掘频繁模式事件链条,随后将新发生的事件作为输入和挖掘出的事件链条进行匹配,根据事件链条中事件之间的转移关系得到预测事件结果,最终通过预测事件结果中的事件类型、实体内容等信息获取服务需求。（3）为了整合个人事件抽取和个人事件预测的结果,本文设计并实现了个人事件管理和可视化工具,通过该工具可以对用户的个人事件进行增删改查、导入导出等操作,还可以用事件时间轴的方式可视化的展示个人事件和预测事件的结果。