信息抽取任务指把半结构化、非结构化数据转换为结构化数据,事件抽取任务则是从文本中匹配事件描述信息,包含事件类型和对应事件元素,事件抽取可自动处理海量文本,从而提升工作效率。基于句子级别的英文事件抽取技术较为成熟,而基于中文文本的研究工作才刚起步。中文事件抽取具有一定难度,中文事件结构复杂且篇幅长,同一事件中的事件元素多数分布在文档中的多个句子中,另外英文以空格作为词语分隔符,而中文不具有该特性,因此分词错误将会影响触发词识别的效果。为此,中文文档级别事件抽取任务值得研究。1.针对中文事件抽取任务中文档维度大导致不能有效提取特征的问题,优化模型抽取范围,分割文档为段落,使用双向长短期记忆网络学习段落序列特征和文档序列特征,再使用自注意力机制学习段落的上下文特征。针对事件元素分散的问题,结合段落的上下文特征和文档序列特征以得到最终的特征表示,从不同层次增强特征表示,并采用标注方式识别事件并匹配事件元素。实验结果表明,相比其他模型,融合上下文的模型可更有效抽取文档中事件信息。2.为缓解因分词错误带来的语义丢失问题,添加位置向量并结合字向量作为字表征向量,将其作为模型输入,并在段落级特征提取阶段融入CNN提取的词汇级特征,以更多级别提取文本语义,摆脱对分词工具的依赖。为进一步提升模型的特征提取能力,设计交互特征融合层,动态调整段落级别和文档级别特征对于目标输出的影响度,权衡不同粒度语义特征的一致性和差异性,以得到更优的特征表示,之后采用序列标注方式识别事件信息。实验结果表明,相比融合上下文的模型,融合段落和文档交互特征的模型可对其进一步改进和完善。3.应用上述算法,设计并实现一个中文事件检索系统。为用户提供登录注册、事件抽取、文章库管理、系统管理等功能,并将事件抽取结果以结构化方式展现。