事件抽取技术是信息抽取领域一个重要的研究方向。近年来,在自动内容抽取等评测会议和工业界应用的推动下,事件抽取的研究得出了一系列理论和算法,并推出一些实用的系统。同时,这些研究大部分都是基于英文文本进行抽取,对于中文文本的事件抽取研究则不足。因果事件抽取是事件抽取的一个分支,相比于事件抽取其抽取难度更大,应用领域也更加细化,中文因果事件抽取更甚。在社会活动中,经济活动扮演着举足轻重的地位。财经领域含有大量的因果事件。针对以往中文因果事件抽取研究,发现目前的因果事件抽取方法主要是基于因果提示词模板和基于深度学习的方法,这些方法的不足之处在于:其一,抽取的方法都是基于通用中文文本,从而忽略财经领域文本的特点;其二,目前基于因果提示词模板的方法,使用的模板都是通用模板,模板规模较小;其三,基于深度学习的方法需要的数据量大,可解释性差。本文针对财经领域中文因果事件抽取研究的不足,从中文网站上采集了大量的中文财经文本。通过细化领域,对财经领域的中文文本进行事件抽取,同时利用这些事件构建了一个中文财经事件库。本文主要是基于因果提示词模板的方法,将因果事件抽取分解成因果句识别和因果事件抽取。通过挖掘大量因果提示词模板,对因果句识别进行了优化。同时为了满足项目要求,自定义因果事件实体,自定义事件序列,对事件抽取提出了新的抽取方法。本文从文本挖掘的角度,对财经领域的中文文本进行因果事件抽取。在因果事件的抽取过程中,通过挖掘因果提示词模板对因果句的识别进行了优化,通过组合句法规则和语义角色对事件抽取给出了一种新的抽取方法。