指代消解是自然语言处理研究的重点之一,但之前的相关工作多是针对实体指代,指代的先行词和指代词都是现实实体。近年来随着话题检测、事件抽取、问答系统、文本理解等自然语言处理应用与研究的进一步发展,针对事件的指代消解工作变得更加重要。本文分析了实体指代和事件指代的差异,针对事件指代的特殊性做了如下工作：首先,给出了一个基于机器学习方法的事件指代消解平台,详细介绍了特征选择过程,探索了几种平衡正负例的方法,结合中心理论和事件代词与先行词的客观分布规律尝试了一些行之有效的负例过滤方法。然后,本文探索了结构化句法信息在事件指代消解中的作用,并针对几种句法树剪裁策略分析了其对消解性能的影响；探索了几种语义信息的使用策略包括语义角色信息、语义相似度信息、语义信息与句法信息结合等,并做了相应的分析。结合了平面特征、句法特征和语义相似度信息后事件代词消解系统的F值达到了51.67%。接着,结合上述事件代词消解平台,对事件名词短语指代消解也做了一定的研究和分析。最终,事件名词短语消解的整体性能F值为41.42%。最后,事件代词识别作为事件指代消解工作的必经步骤,迄今为止还没有进行系统地研究,本文对事件代词识别任务做了探索性的尝试,给出了基于机器学习方法的事件代词识别平台。最终,事件代词识别最好效果ACC+为67.65％,ACC-为85.23%。