随着人工智能计算能力的日益增强与可获取数据量的日益提高,知识图谱和事件图谱成为计算机领域内相当成熟的一个应用。但由于现有知识图谱和事件图谱大部分由一种语言构成,而一种语言无法对整个世界的知识进行全面描绘。在大数据时代,不同语言的信息共享已成为世界发展趋势。跨语言图谱融合由于多语言间的一词多义、一义多词以及未登录词等问题,一直是一个很难找到最优解决方案的研究难点。跨语言事件图谱融合旨在找到不同语言事件图谱中指向现实世界同一事件的事件指称,有助于跨语言事件图谱的补全和验证。本研究以跨语言事件图谱融合模型构建作为重点研究课题,将图卷积神经网络算法应用在跨语言事件图谱融合模型中,利用事件主体图来表示事件图谱中事件中心节点以及事件相关的实体节点信息,将跨语言事件图谱融合模拟为跨语言事件主体图之间的图匹配问题,运用图匹配方法来计算事件主体图之间的相似度,最后根据事件中心实体图的匹配状态,将两个单语言事件图谱进行节点对齐,来完成跨语言事件图谱的融合。本文主要工作内容分为四部分:（1）数据采集:通过医疗网站、新闻媒体等,爬取结构化和非结构化多语言数据,做为图谱构建的数据集。（2）新闻事件抽取:通过搭建新闻事件抽取模型,对采集到的非结构化新闻数据进行抽取处理,转换为结构化数据,作为图谱构建的数据集。（3）单语言事件图谱构建:构建中文和英文两个单语言医疗新闻事件图谱,为图谱融合提供数据支持。（4）跨语言事件图谱融合:首先构建跨语言事件图谱融合模型,然后将模型应用到构建好的两个不同语言的事件图谱中,输出一个融合度较高的跨语言事件图谱。本研究以医疗相关新闻作为研究领域,构建出跨语言事件图谱融合模型,并对模型性能进行测试。本研究最终融合构建出包含中文和英文的跨语言医疗新闻事件图谱,让人们从多语言视角了解医疗领域新闻情势,辅助人们更好地分析和预测接下来的医疗领域新闻局势。