互联网技术的飞速发展和通信网络带宽与速度的不断提升,随之而来的是新闻数量的激增及新闻类型的多样化,同时也在一定程度上影响了新闻内容的质量,致使用户在获取自己关心的信息时需要花费比以往更大的精力、更长的时间。在互联网时代的今天,人们在面对大量的新闻时,往往起初只对新闻的四个主要要素(what、when、who、where,称之为4w要素)感兴趣,借助于4w要素,人们可以简明扼要地了解新闻事件的梗概,从而能够有效地挑选出自己感兴趣的新闻,进而对自己感兴趣的内容进行详细阅读。如何从整篇新闻中将用户关注的新闻核心4w要素提炼出来,并以一种友好的界面进行展示,让用户能够花费较少的时间就能找到其感兴趣的新闻,是摆在新闻工作者及软件开发人员面前亟待解决的问题。当前机器学习技术及自然语言处理技术的发展,让软件从业者采用软件相关技术从大量的新闻中自动抽取人们感兴趣的关键内容变为可能。本文研究内容就是基于上述目的,通过对大量网络新闻的调研,研究归纳出网络新闻所具有的特点,并将这些特点与自然语言处理技术相结合,通过对新闻句子的分词、实体抽取、及新闻事件的关键句的提取,找出新闻事件关键句。并在此基础上,以事件(what)为主题,找出与新闻主要事件相关联的其它因素,诸如人物、时间、地点等,进而概要性的对新闻内容进行描述,从而达到让用户在不通篇阅读新闻的情况下,能够更直观的了解新闻描述的主要信息,而无需像以前一样,盲目的通篇阅读每一篇新闻,浪费大量的时间。本文围绕新闻4w要素抽取任务,借助自然语言处理领域中事件抽取任务的相关技术,以事件(what)为驱动,对事件句的抽取和事件要素抽取两项关键技术进行了研究,完成了如下特色研究工作:第一,提出一种结合句子和标题关联度、停用词频率、实体、句子长度等多维特征融合的关键事件句抽取算法;在计算新闻标题是否具有可参考性的过程中,引入Word2vec词向量算法来进行标题词扩充;第二,结合语义角色标注和依存句法分析技术,研究并归纳了与事件句相关联的其它新闻相关要素的抽取方法,制定了通过关键事件句抽取新闻要素的抽取规则,并实现了基于关键事件句的要素抽取模型。最后,依托上述研究成果,本文编码实现了一套基于B/S架构的中文新闻要素识别原型系统,在系统中分别对新闻的关键词、关键事件句、事件要素等进行可视化展示,为用户提供更直观的抽取结果展示。系统已经过测试并部署到软件使用方,经过几个月的运行,系统稳定可靠,效果良好,得到了项目合作方的好评。