随着网络信息爆炸,信息数量呈指数级增长。如何准确有效地从这些大量且无结构的信息中提取用户感兴趣的事件信息便成了急需解决的问题。为了从不同的信息源中抽取不同层次和粒度的信息,人们研究了各种不同的信息抽取技术。事件通常被认为是特定时间特定地点发生的事情。中文文本事件的识别与抽取目的是利用自动抽取技术从各种不同的非结构化的文本数据中抽取出事件信息,是一系列基于事件的信息组织技术的基础。随着信息技术的发展,语料库日益成为自然语言处理和研究的重要工具,它是计算机可读文本一定量的集合,包含人们感兴趣的典型样本。我们构建出了面向事件的中文语料库CEC-2。本文主要是基于该语料库对事件进行信息抽取研究。事件抽取的目的是从非结构化文档中抽取出用户感兴趣的事件,同时用结构化或者半结构化的形式描述,供用户进一步分析利用。事件识别也常常被当作事件抽取的一个子任务。事件识别是事件抽取的基础,其效果直接影响了事件抽取的结果。在本文中事件识别是基于事件触发词的识别。在事件本体中,事件类语言表现包含触发词,有触发词的句子不一定是事件描述。本文采用基于依存语法树的频繁子树挖掘算法对事件识别进行了规则获取。事件要素抽取是事件抽取中又一核心任务。在本文中该任务主要从已识别出的事件描述中识别出真正的事件要素描述。本文中的事件由六要素组成,我们的任务是识别出除了语言表现外的剩余五个要素。我们首先对大量的语料进行基于依存语法树的频繁子树挖掘,进而获得模式,从而能用这些模式将非标注文本中的事件要素描述抽取出来。实验结果得到较好的召回率R、精确率P和F测度。