事件抽取技术是自然语言处理领域的重要研究方向，主要任务是从非结构化文本中识别并抽取出事件的相关信息，包括事件类型、触发词、参与角色等要素。随着深度学习和大规模预训练模型的发展，事件抽取技术在准确率和泛化能力方面取得了显著进步。本文综述了事件抽取技术的发展历程，详细分析了基于模式匹配、机器学习和深度学习的各类方法，比较了它们的优缺点。同时探讨了事件抽取面临的挑战，如数据稀疏性、领域适应性和复杂事件处理等问题，并对未来研究方向进行了展望。该综述旨在为研究者提供系统性的技术参考，推动事件抽取技术的进一步发展。