数字图书馆作为学术成果的知识库,其保存的海量科技文献作为人类的知识宝藏,成为人们补给知识的重要途径,用户可以不受时空限制及时获取所需知识。然而,随着知识经济时代的到来,人们对知识的需求日益迫切化、专业化、微观化和精准化。目前,传统的以篇章为单位的知识服务导致用户不得不花费大量的时间定位所需知识;并且在深入文献内容研究方面,文本内容划分模糊,最终也会导致知识服务产生了模糊。因此,为满足知识经济时代人们新的知识需求,迎接大数据对数字图书馆科技文献知识服务的影响和挑战,解决科技文献存在的服务粒度过大、内容划分边界模糊等问题,本研究将科技文献知识服务的单位由文献单元深入到文献内容本身,并对它们进行整理、筛选、分析乃至评价等,从而将最相关的知识以最精简的方式提供给用户,满足用户的知识需求。事件知识作为人类认识和理解世界的基本的单元,是人们进行思维活动的基本单元。基于上述分析,本研究以数字图书馆馆藏科技文献中的事件知识为研究对象,运用多种相关理论和研究方法,首先,基于描述规则抽取科技文献中的元事件;然后,对元事件数据集进行聚类分析,识别每一个类簇的表示框架,即事件知识表示框架;最后,基于事件知识表示框架抽取科技文献中的事件知识,以为用户提供精准知识服务。主要研究内容为:第一,科技文献中元事件抽取研究。为提高元事件抽取的准确性和完整性,为后续事件知识的抽取提供事件数据集。本研究提出了基于描述规则的元事件抽取,主要为两个阶段:初始元事件描述规则的半自动化抽取、元事件自动化抽取及其描述规则的自动更新。第一阶段的主要目的是在人工的帮助下半自动化生成高质量的元事件描述规则,以为元事件的自动抽取奠定基础;第二阶段首先使用正则表达式,基于初始描述规则抽取科技文献中的元事件,然后引入Prefixspan算法,以机器为主对科技文献中的元事件描述规则进行更新完善,并存入描述规则数据库。第二,科技文献中事件知识的抽取。首先,本研究基于k-means聚类对元事件数据集进行划分,以识别各个事件知识的主题;然后,根据不同类型的事件知识构件组成不同,引入语义依存分析,对触发词和论元进行联合约束聚类,以得到论元簇,进而识别出具有语义关系的组成事件知识的构件;然后基于框架抽取事件知识框架中的构件值。第三,科技文献中事件知识抽取的实证分析。以数字图书馆馆藏科技文献为实证对象,以人工标注的数据为标准参考数据集,借助精准率P,召回率R和F均值以验证基于描述规则的科技文献中元事件抽取的性能和事件知识抽取的性能,通过对比数据验证方法的有效性。