时间和事件的识别任务近年来得到了广泛的关注和快速的发展。作为时间关系研究的基础,时间与事件及其属性的识别也成为自然语言处理中的一个重要任务。时间和事件的识别在2010年作为两个单独的子任务被列入了TempEval评测会议,该会议的评测涉及六种语言：汉语、英语、意大利、法语、韩语和西班牙语,参与评测的系统中多为英语和西班牙语。本文主要工作是针对TempEval-2评测任务展开的,分别对时间和事件及其相关属性进行了识别,实验语料则采用的是评测会议所给出的中文评测语料,涉及的标注则采用了TimeML标准。具体的研究工作如下：1研究问题的分析本文详细定义和分析了时间和事件的识别问题,并分析了识别工作的具体内容和识别难点,为之后识别方法的提出和问题的解决做了大量准备工作。2时间及其类型的识别对时间识别问题做了具体全面的介绍,包括识别的思想和识别的详细过程。该部分主要工作有时间表达式识别和时间类型的识别,时间表达式识别采用了基于词性构建时间单元规则库的方法,时间类型则使用了最大熵模型来分类识别。其中时间表达式识别的准确率、召回率和F值分别为85.16%、83.16%和84.17%,时间类型的正确率为93.02%。由此可知,基于规则的时间表达式识别方法和基于最大熵类型识别两种方法均是有效的。最后,针对实验结果和错误进行了深入分析和总结。3事件及其属性的识别事件识别方面主要工作有事件识别和事件属性识别,其中属性识别主要针对时态属性进行识别。事件用基于依存分析和规则的方法进行识别,事件的时态属性则采用了规则方法来识别。事件识别的准确率、召回率和F值分别为89.2%、82.8%、85.9%,事件时态识别正确率为76.9%。文章在对比和分析实验结果不足和错误的同时,还对识别过程中存在的问题进行了深入分析。