信息爆炸的时代每天都会产生大量的新闻事件,而事件作为人类知识的基本单元,对其的相关研究也在逐渐受到人们的关注。事件往往不是孤立存在的,它们之间通过一定的时间顺序关联在一起。通过对新闻文本进行事件时序关系的识别,可以得到文本中事件在时间上的语义关系,帮助人们更快更好的理解文本内容。同时,通过对事件间的时序关系加以利用,在自动问答系统、自动提取等研究工作中都有着重要意义。本文面向中文突发事件,进行事件时序关系识别的研究。针对缺少用于识别中文时序关系识别研究的特征、传统特征对相隔较远的事件作用较弱、识别结果中会出现部分时序逻辑冲突等问题,提出了一种基于多特征和规则约束的事件时序关系识别方法,并在此基础上对基于事件时序关系的自动摘要应用行了研究。研究工作主要包括以下两个方面:（1）基于多特征和规则约束的事件时序关系识别。针对突发事件的时序关系识别研究,首先利用哈工大的语言处理工具LTP对语料库的文本预处理,将XML标注格式的文本还原后进行分词、词性标注、依存句法分析等步骤,在此基础上对文本中句子和词的基本特征进行获取;然后在针对中文语言表达的特点,进一步提取出事件要素、特殊词、因果标志词和触发词相似度等多种特征,并利用最大熵模型对事件间的时序关系进行识别;最后针对识别结果中会出现部分时序逻辑冲突这一问题,提出利用整数线性规划的思想,将事件对之间的连接词、事件类型以及时间信息等自定义规则作为约束条件,结合改进后的目标函数对识别结果进一步优化。实验结果表明,将多特征和规则约束相结合的识别方法对事件间的时序关系进行识别,可以很好的提高识别效果。（2）基于事件时序关系网络的自动摘要抽取。结合图模型的思想,提出利用事件间的时序关系构建事件时序关系网络来对摘要进行抽取。首先,使用语料库中已标注的事件触发词以及事件关系,并结合人工标注的事件时序关系,以事件触发词为节点,事件间的时序关系为边来构建事件时序关系文本表示模型;然后利用PageRank算法思想对网络中各节点对应事件的权重进行计算,并通过事件句与文本标题相似度以及有效词含量来对节点权重进行最终的加权调整;最后利用改进的MMR（最大边缘相关）算法进行冗余处理以增加摘要的多样性,选取MMR值最高的句子加入到摘要句集合当中,直到选取出目标数量的摘要句,并根据事件发展的时序关系,将摘要集合中的事件句进行最终的排序,得到文本的。相关实验表明,基于事件时序关系网络的自动摘要抽取方法在ROUGE评测中取得了较好的实验效果。图[9]表[15]参[60]。