文本蕴涵的概念起源于逻辑学,同时是语言学,特别是语义研究中的重要课题。近几年,随着人工智能研究的进步,特别是计算机领域中自然语言处理领域的进步,使得文本蕴涵成为计算机科学中研究的热门问题。掌握发现蕴涵的机制,将可促进多方面自然语言处理任务的发展,如信息抽取、信息检索、文档摘要、问答系统、文景转换等。因此,研究在文本中发现蕴涵的方法,在当前自然语言处理中具有重要意义。事件蕴涵是文本蕴涵的一部分,专注于动词。以往的事件蕴涵抽取方法不仅准确率一般,而且方法的时间复杂度高。本文使用聚类方法首先将数据分类,降低了总体的时间开销。同时放弃了传统的,基于统计的类KL距离度量或互信息度量,而采用基于资源的语义相似度度量为动词对评分,不仅进一步降低了时间开销,还取得了较好的准确率。本文不仅描述了新的基于聚类的事件蕴涵抽取方法,也给出了可用的中、英文事件蕴涵关系库范例。通过对生成的中、英文关系库的随机抽样打分,发现生成的关系库不仅涵盖了大部分常见的蕴涵关系,更包含一些人工构建的库没有的蕴涵关系,并且准确率达到常规自动抽取库的水平。最后,本文还给出了一个蕴涵关系查询系统,可供用户查询目标动词,其后台数据库基于本文方法的实验结果。查询系统区分一般用户与注册用户,一般用户仅可查询,而注册用户可对库进行一定权限的评价,包括删除错误结果和修正不恰当的用法示例。这一查询系统使生成库的可用性大为提高。通过注册用户长期地对生成库进行评价与修正,生成库最终将达到很高的准确率。