突发事件通常会对人类社会及环境造成直接的破坏性和重大影响,因此人民群众对其抱有极大地关注度。且近几十年,突发事件频发,尤其是当下处于疫情时代,突发的公共卫生事件更是备受重视。当今的移动互联网时代,有助于大众及时获取有关突发事件的信息并开展救援等。但同时,网络上信息纷杂,很难使适应碎片化阅读的大众便捷、全面、系统地了解某一事件,尤其是当该事件影响持续时间较长时。因此,从杂乱无章的大量事件文本中抽取出重要信息,并按照时间逻辑顺序,简明扼要地呈现事件发展情况具有现实意义。而从给定文本中提取最重要信息的自动摘要技术是实现该目标的重要研究方向。因此,本文通过对自动摘要技术进行研究,设计实现了SCC-UNILM生成模型,构建了突发事件时间演化序列,并完成了突发事件信息抽取系统的设计与实现。本文主要的工作内容如下:1.本文分析了目前摘要算法存在的问题,针对这些问题以及本文的目的,选用UNILM模型,并在其基础上,融合了拷贝机制,将sparse softmax替代传统softmax,在整体损失函数中加入coverage损失,完成了UNILM生成式算法的改进,提出了SCC-UNILM生成模型。并利用ROUGE评价值作为评价指标,在LCSTS数据集上进行验证,改进的SCC-UNILM模型的表现优于其他基准模型。2.本文主要利用了改进的SCC-UNILM算法,时序生成算法以及消除冗余信息的算法设计了突发事件的时间演化序列的构建方法。其主要由文本预处理模块、文本聚类及去重模块以及突发事件时间演化序列生成模块共三个模块组成。其中突发事件时间演化序列生成模块是核心模块。为了尽可能多的保留有用信息,将文本按照自然段为单位进行摘要生成。又由于构建的是时间序列,那么就需要保证每个段落皆有时间标识。因此,本文设计了时序生成算法。然而,在尽可能多的保留有用信息的同时,也带来了多余的重复信息。所以,本文还提出了结合语义角色标注的句子相似度计算的办法去除冗余信息。最后,再依照事件背景、事件经过、事件影响的结构组织成了完整的事件时间演化序列的构建。3.本文设计了一个突发事件信息抽取系统。该系统包含了文本预处理模块、篇章信息抽取模块以及事件时间演化序列生成模块。主要实现了分词＆词性分析、指代消解、语义角色标注、关键词提取、文本摘要生成和事件时间演化序列生成的功能。