企业经营过程中的决策往往是由事件驱动的,有价值的目标事件、事件发生的原因以及可能导致的结果可帮助企业决策者做出客观且有效的决策。新闻文本来源广泛,且蕴含了大量的事件语义信息,是事件语义关系抽取的重要来源。然而,随着互联网技术的发展,互联网中的新闻文本数量呈指数级增长,导致新闻事件及其语义关系具有以下特点:1)事件描述边界比较模糊,存在大量的多实体多事件句子;2)大量有价值的事件关系分布稀疏离散且描述隐晦。这些特点导致现有方法难以发现目标事件以及它们之间的内在联系,进而从宏观的角度掌握事件发展的动向。基于此,本文提出了面向新闻文本的事件语义关系抽取及其应用研究。具体内容包括:（1）针对事件描述边界模糊、句法语义信息利用率低的问题,本文提出了基于句法语义增强的实体事件关系对联合抽取模型。具体包括:1)利用双向长短时记忆网络捕获文本的上下文信息和时序信息,生成语义更加丰富的嵌入表示;2)提出了基于句法语义增强的实体事件关系对联合抽取模型,提高了实体事件关系对联合抽取的准确率,辅助企业实时掌握有价值的目标事件。（2）针对事件分布离散且描述差异大的问题,本文提出了基于实例分布约束的事件同指关系抽取方法。具体包括:1)设计基于远程监督的事件语义集合构建方法,在减少人工的标注的情况下,获得大量高质量的训练集;2)提出基于实例分布约束的事件同指关系分类器,用于判断加入新的事件触发词是否影响语义集合的同指关系;3)基于事件同指关系分类器,设计事件语义集合抽取算法,以自动抽取高质量且具有同指关系的事件语义集合,为领域事件知识的整体认知提供了一种较为有效的技术手段。（3）针对事件因果关系分布隐晦、因事件和果事件长距离依赖的问题,本文提出了基于因果转移图的双通道事件因果关系联合抽取模型。具体包括:1)设计融合事件语义特征的数据增强通道,在充分考虑上下文语境的情况下,抽取更加完备的事件描述;2)设计基于因果转移图的知识增强通道,提高模型对事件因果关系的识别能力;3)设计双通道事件因果关系联合抽取模型,将知识增强通道与数据增强通道融合在一起,提高了事件因果关系抽取的准确率。（4）针对事件语义关系分布离散,事件演化方向不确定的问题,本文提出了基于事件语义关系的事件演化预测应用研究。具体包括:1)对事件进行标准化,进一步抽取大量有价值的实体事件关系对和具有同指关系的事件语义集合;2)利用事件因果关系抽取算法和顺承关系分类算法,对具有事理逻辑关系的事件演化方向进行识别;3)构建条件事件演化图,对不同语境下事件之间的逻辑关系进行表征,进一步利用该图对新闻事件的演化路径进行预测以验证其有效性。本文的研究能够快速地发现有价值的新闻事件,抽取事件之间的语义关系,进一步利用事件之间的语义关系,对事件的演化路径进行预测。其研究成果可以辅助企业决策者准确地发现目标事件,对整个事件的发展追根溯源。在一定程度上能够提升企业决策者的前瞻思维和风险洞见能力,降低企业经营过程中存在的风险。