事件抽取是自然语言处理领域的一项基本任务,其目的是抽取文本中事件的触发词及其论元,抽取的事件信息能给知识图谱、对话和问答等下游任务提供有力的帮助。近年来,随着深度学习技术迅猛发展,替代传统静态词嵌入的预训练技术随之兴起。借助预训练模型,研究事件抽取开始有新的方向,利用问答去进行事件抽取就是一个新思路。在新方法应用到事件抽取任务上取得成效的同时,一些问题也亟待解决。譬如,句子级事件抽取模型先验知识有限、传统流水线事件抽取存在错误级联。另外,由于使用预训练技术的问答模型更适用于低资源场景,并且问题可定制,如何利用模型去反馈事件抽取任务,加速语料的标注,也是一个值得研究的课题。对此,本文从以下三个角度进行了深入地研究:（1）提出一个融入与任务相关篇章信息的触发词抽取框架。该框架通过与触发词抽取任务相关的问题来检索篇章信息,并利用这些信息拓宽模型的视野,使模型知识的获取范围不局限于句子本身。（2）提出了一种双向堆叠式问答框架。该框架首先将事件触发词抽取和论元抽取统一为一致的处理模式,即跨度检测与分类;其次将统一处理模式转换为两轮问答组件;最后框架通过设计额外的限制性问题来双向堆叠两个组件进行事件抽取,这样做充分利用事件触发词和论元之间的互补性,从而缓解了级联错误的影响。（3）提出了一种基于问答的语料标注方法。基于问答的事件抽取模型适用于低资源场景、问题可定制,该标注方法利用这些特性,大幅度简化语料标注工作,加快语料标注速度,从而正向反馈事件抽取。