地震、疾病传播、恐怖袭击等公共安全事件的发生都给国家、社会和人民带来巨大灾难和损失,并在政治、经济、科技等多元领域产生连锁反应。伴随着我国互联网基础设施的不断完善、网络规模的不断扩大以及人们社会参与意识的逐渐提高,越来越多的人们开始通过互联网了解公共安全事件并参与公共安全事件的讨论与传播。现实生活中出现公共安全事件时,如何利用互联网中海量的文本数据,抽取公共安全事件中重要的事实信息,构建相应的话题网络,对认识、控制和引导公共安全事件的发展,维护社会的和谐稳定,保护人们的生命财产安全具有深刻的实际应用意义。基于以上背景,本文重点研究互联网中传播的公共安全事件中类型为“攻击”、“受伤”和“死亡”的事件,提出了一种基于卷积神经网络的公共安全事件检测与分析方法。首先,本文介绍了事件抽取的相关基本概念和权威评测标准,并详细阐述了事件检测与识别中的事件类型识别问题的一般步骤。其次,本文提出了一种基于卷积神经网络的公共安全事件检测与分析方法。对公共安全事件文本数据,使用关键词语触发和文本分类器两种方法进行公共安全目标事件的检测与识别,得到公共安全目标事件集合。对公共安全目标事件集合,根据中国科学院计算技术研究所的汉语词性标记集进行命名实体的识别与抽取,得到命名实体以及命名实体之间的关系。使用开源软件UCINET6构建可视化的话题网络,并对话题网络中的节点进行微观分析。再次,通过基于真实数据的实验,验证本文所提出的基于卷积神经网络的公共安全事件检测与分析方法的正确性和有效性。最后,对本文的主要工作进行了总结,对今后的研究工作进行了展望。