当前对自然语言进行浅层语义分析逐渐兴起,已成为目前自然语言处理研究的一个重点和热点。作为其具体实现,语义角色标注的任务是识别并标注句中每个目标谓词的所有充当语义角色的句法成分。本文探索了基于特征向量的语义角色标注,在PropBank语料库上分别进行了局部模型和全局模型的实验,对语义角色标注的各个关键步骤进行了比较深入的研究,并取得了比较好的结果。首先,构建基于局部模型的基础系统,初步探讨标注过程中剪枝、识别、分类和后处理各步骤的作用,并比较了基本特征的不同实现对系统性能的影响。其次,研究特征工程对语义角色标注性能的影响。基于贪心策略,选取目前研究中用到的49个特征,按其对基础系统的贡献进行组合,分别在手工句法分析和自动句法分析上实验。结果表明,选取不多的有用的特征并进行有效组合能取得很好的性能;特别是句法分析中重要的谓词和中心词及其相关的词汇特征在语义角色标注系统中发挥了重要作用。然后,改进了目前常用的Xue的剪枝算法。我们在特征组合实验中发现中心词特征很突出,据此选取了谓词的兄弟结点的孩子;而当孩子与父亲结点的中心词相同时,舍弃它及其兄弟结点。结果表明,这样的改进是有效的。最后,采用基于重排列的全局模型来解决语义角色标注中的软约束条件。基于局部模型,用动态规划方法生成前n个概率最高的无嵌套角色序列,把论元角色间的依赖关系加入到模型中,选取有效的全局特征,对候选论元角色进行重排列。实验结果表明使用全局模型后性能有所提高,却不显著,我们将在以后工作中加强这方面的研究。