司法案件主要是由若干基本犯罪事件互相联系和组合而成,司法办案的重要任务之一是事件分析。明确被告人基本犯罪事件以支持后续的案件分析,判决和量刑,同时还可以有效地支持智能化辅助办案系统开发和研究。事件抽取任务在句子级别的其他领域已经取得了较好的效果。而在司法领域,被告人的犯罪事件事实是关注的重点,在面向司法领域复杂的多人或者多罪犯罪事件抽取任务具有以下的特征:1)复杂的多人多罪案件中往往包含多个犯罪事件相关的人物角色,对人物角色的犯罪事件描述交织在一起,存在犯罪事件嵌套和犯罪事件成分共享情况。2)司法领域的起诉文书作为半结构化的文本,其内容具有一定的表述性。为了表述通顺,部分犯罪事件描述存在省略主语、宾语等情况。针对以上特征,本文具体做了如下研究:（1）构建基于语义的犯罪事件触发词识别与分类联合模型。目前,中文事件抽取系统普遍存在标注事件语料库质量不高的问题,因此本文使用最大熵模型结合起诉书中的规则、词汇、句法和语义特征,加入条件随机场作为约束条件,构建了司法领域的触发词识别与分类模型。旨在准确识别文本中出现的犯罪事件以及犯罪事件类型。（2）引入依存句法解决事件漏抽问题。在司法领域的多人犯罪起诉文书中,存在着大量被告人犯罪事件嵌套和被告人犯罪事件成分共享的现象,容易导致后续犯罪事件分离抽取时事件成分缺失和事件漏抽。本文引入了依存句法分析,基于各种类型犯罪事件对应的触发词库和依存句法树,分析被告人犯罪事件语料的动词语法和句法结构,使得每个触发事件词对应一个事件,每一个事件对应一个被告人,解决多人犯罪起诉书中事件漏抽的问题。（3）分析缺省结构、制定对应的规则来补全相关事件成分,解决犯罪事件抽取成分不全问题。省略是中文语言中实际存在的一种普遍现象,多人或多罪的司法起诉文书具有更强的结构性和表述性。因此,为了表述通顺,起诉文书中存在犯罪事件描述存在事件成分省略的情况。本文通过构建SSDP（Syntactic Semantic Dependency Parsing）图的方式,归纳了多人或多罪起诉文书中几种常见的犯罪事件成分缺省结构,设计了相应的规则补全,解决多人或多罪犯罪事件抽取成分缺失的问题。（4）特殊事件元素论元的识别与抽取方法设计。在对犯罪案件进行分析、裁决、量刑时,一些事件元素往往会大幅度的影响案件的判罚结果。如盗窃罪中的盗窃金额,涉毒案件中的涉毒克数等。在复杂的犯罪案件中,特殊论元间存在着交叉、属于、共享等关系。为了准确的抽取这些事件论元,并且准确分配给对应的事件发生人,针对不同案件中的特殊事件论元,本文设计了相关抽取算法以及抽取规则来辅助抽取。本文提出了基于依存句法和语义模型的复杂犯罪事件分离抽取方法,通过实验以及相关横向项目来进行验证,实验结果表明该方法优于相关对比方法。从多人或多罪起诉书文本中分别抽取出了各个被告人对应的犯罪事件事实,不仅可以减轻相关领域工作人员的工作负担,也为智能化辅助办案系统的精确量刑提供了技术上的支持。以先进的自然语言处理技术为司法效率、司法公正助力。