知识图谱构建已经成为自然语言处理的一个重要发展方向,也是信息抽取领域一个重要的目标。本文从百科文本中标注军事图谱,并负责其中的事件抽取部分。事件抽取作为信息抽取的关键技术,在信息检索、自动问答等领域被广泛应用。本文爬取军事相关百科文本,根据文本内容,标注军事图谱数据集,定义了四个事件触发词和七个事件元素实体标签,和实体之间的关系标签和事件之间的关系标签,以及实体、触发词和元素角色之间的约束关系。事件元素实体抽取和事件触发词抽取是本文事件抽取的关键部分。本文观察数据集中事件元素实体的特征,发现与军事专业相关的实体的后缀取词范围很小,根据这一点设计出了相应的后缀特征,并通过对比实验验证两处输入位置后缀特征重复几次对于模型效果提升最高。在军事事件中,军事专业的事件元素实体和军事事件触发词语义相关,于是本文基于此设计基于事件元素实体的注意力机制,以提高事件触发词的抽取效果。最终经过实验证明,本文的模型与其他经典事件抽取模型的相比取得了较高的效果。接下来是元素角色抽取。元素角色是指事件触发词和事件元素之间的关系。本文使用双仿射深度文法依赖树算法的关系分类器作为基础,使用词的最后一个字的向量代表整个词,通过掩盖矩阵输入了实体、触发词和元素角色之间的约束关系,提高元素角色抽取效果。最终,通过对比实验得知,掩盖矩阵对模型效果有较大提升。通过对比实验得知,本文的模型与其他经典模型相比取得了优越的效果。最终本文使用上述的三个模型进行事件抽取,使用模板匹配的方式进行关系抽取,设计了一套事件关系抽取系统。系统通过本文已经验证的神经网络模型进行事件抽取。事件关系抽取模板通过关系连词和正则表达式构建。系统在句子输入之后通过关系连词对句子进行过滤,减少神经网络模型计算量。最后本文列举了系统抽取的部分结果。