框架语义分析是基于框架语义学理论,识别目标词所属框架,并标注框架所包含的语义角色,通过刻画文本内部丰富的结构信息和语义信息,达到文本语义分析的目的。框架识别作为其核心任务之一,是给定可激起框架的目标词,根据上下文语境,选取最符合该目标词语境的语义框架。提高框架识别模型的准确性,有利于增强句子级语义分析的性能,从而为下游任务提供有效的语义信息。本文针对框架识别任务进行研究,主要的工作及成果如下:（1）融合全局和局部注意力机制的框架识别模型。针对框架识别任务中存在的一词多义和一句多词问题,首先使用BERT预训练语言模型生成文本的向量表示;然后将其与Bi-GRU相结合提取序列化特征并利用全局注意力机制和局部注意力机制分别对上下文与目标词周边信息进行编码;最后融合全局和局部信息编码进行框架选择。实验表明,该方法在中文语料库和英文Frame Net数据集上分别取得了74.90%和88.39%的准确率,较基线模型有明显提升,且对中英文数据具有较好的适应性。（2）基于多阶图注意力网络的框架识别模型。针对框架识别任务中存在的冗余信息干扰问题,首先利用句法分析工具将语料中的词汇以目标词为中心构建句法图,有效的提取了重点词汇,降低了干扰信息;再使用图注意力网络和层次注意力模型通过句法图提取该目标词的语义信息,提高框架识别的性能。实验表明,该方法可以更好地表达目标词与语料中重点词汇的关系,同时相较于基线模型在英文数据集上准确率提升了0.87%。（3）框架识别系统。本文将基线模型和上述模型进行整合,设计和开发了通用的框架自动识别系统。该系统可对中英文文本进行框架的自动识别,此外还添加了语料、框架、词元的管理模块,为今后的研究和语义角色标注等任务奠定了实验基础。