近年来,自动文摘技术作为自然语言处理领域的一个重要分支,越来越受到学术界的高度关注,而事件的概念也逐渐被自然语言处理等相关领域所采用,将事件作为知识单元符合人类认识世界的规律。因此,本文主要研究面向事件的自动文摘,即结合面向事件的相关研究,利用自动文摘技术实现摘要抽取,主要研究工作由以下两部分组成。1)事件要素的识别研究。本文主要根据事件的六元组形式化定义,提出对事件中各要素进行识别。通过对文本的实际观察,发现可直接从文本中获取的事件要素主要有动作要素、对象要素、时间要素和环境要素。针对该四种事件要素语言表现规则的不同,本文分别提出相应的事件要素识别方法。如针对事件动作要素的识别,提出结合扩展触发词表和多特征融合的机器学习识别方法；针对事件对象要素的识别,提出首先对事件缺失对象进行补全,其次根据对象要素设定规则进行过滤,最后进行共指消解的识别方法；针对事件时间要素的识别,提出实现事件时间表达式的识别和事件时序关系的计算；针对事件环境要素的识别,提出结合最大熵模型和规则统计的识别方法。并用上述各事件要素的识别方法进行实验,结果表明,上述方法皆取得一定的效果。2)基于事件要素的摘要抽取研究。考虑到第一项研究虽取得一定的实验效果,但和标注好的CEC语料库相比,还存在一定的差距。为了避免错误级联,提高科学研究的严谨性,针对基于事件要素的摘要抽取研究,本文还是利用CEC语料库中已标注好的事件要素,并结合图论知识进行摘要抽取。首先通过标注好的CEC语料库来获取事件要素,构建事件要素-无向图,然后再对无向图的节点和无向边进行权值计算,最后根据压缩比选取出文摘句,并按照它们在原文本中的出现顺序输出,得到摘要。实验结果表明,本文提出的基于事件要素的摘要抽取方法,获得了理想的F值,达到了较好的实验效果。