谓语动词是句子的焦点,是组织句子其它要素的语法单元。识别谓语动词是理解句子的关键。通过谓语动词识别可以解析句子,获取句子的语义信息,抽取的信息可以作为输入信息,提供给机器翻译、文本检索、知识图谱、自动问答等多种应用。通过构建以谓语动词为中心的知识图谱,可以建模事件的动态演化过程,实现事件识别与事件跟踪,具有重要的研究意义。然而,由于中文谓语动词形式多变、结构复杂、使用灵活,加上中文信息处理缺少句子分词信息和词的形态变化,而谓语动词的识别需同时判断其为句子的中心,在识别路径中存在高阶依赖,所以识别谓语动词在中文自然语言处理中是一项具有挑战的任务。本文从信息抽取角度,结合谓语动词的语法功能和文本数据的分布特点,制定中文谓语动词标注规范,发布标注数据集。在此基础上,展开与中文谓语动词识别相关的研究。论文主要工作如下。(1)针对当前中文谓语动词语料缺乏的情况,将法院裁判文书作为数据源,确立标注规范,再使用人工标注迭代检查等手段构建了中文谓语动词标注数据集。(2)针对谓语动词作为句子焦点的特点,提出一种基于注意力机制的中文谓语动词识别方法和一种基于BERT的中文谓语动词识别方法。由于注意力机制能够获取句子中的长距离语义依赖信息,与传统方法相比,基于注意力机制的方法能有效提升谓语动词的识别性能。基于BERT的中文谓语动词识别模型则改进了前种方法,利用BERT可以充分利用输入语料的优点,使得模型性能有所提升。(3)针对谓语动词在句子中具有唯一性的特点,提出一种基于CNN的谓语动词唯一性判别方法。通过设置分类拟合条件,使数据在训练过程中能够优化输出、充分拟合谓语动词的句子全局唯一性的特点,取得了更为优良的效果。