随着Internet技术的不断发展,网上的文本信息数量成指数级增长,大量非结构化信息的激增使得“信息爆炸与知识饥渴”的矛盾日趋激烈,因此如何自动地使非结构化信息结构化是目前重要的研究课题,事件信息抽取研究正是在这种背景下产生的。作为信息抽取研究的一项高级任务,事件抽取的评测还不理想,尤其是中文事件抽取,基础研究和任务要求之间存在较大矛盾。目前还没有成熟的实用系统出现,相关领域还有待进一步研究。本文采用模式匹配和机器学习相结合的方法进行中文事件信息抽取研究,事件信息抽取的基本思路按照模式匹配方法的基本过程展开,在进行事件语义角色标注和事件具体信息槽填充过程中运用统计学方法。本文针对事件信息抽取研究中语义缺失的问题,引入知网语义关系知识资源来识别信息之间的语义关联。中文命名实体识别过程中,利用模式匹配方法结合基于知网的词语相似度计算方法,对事件基本信息(包括事件的时间、地点等)进行了识别,此过程是事件信息抽取的基础工作,在实验评测中取得了较好效果。本文提出利用知网中的事件类概念语义资源对事件进行语义标注,解决了事件信息抽取研究中触发词探测和语义角色标注困难的问题。最后针对具体研究对象——同事件多文本灾难性事件,构建层式框架表示各类信息,进而采用层式有限状态自动机方法进行事件信息的抽取。