现有的事件抽取研究主要集中在通用领域,特定领域事件抽取缺少专用语料库和针对性强的抽取方法。为特定领域事件抽取定义全新的事件体系,研究有效的事件抽取方法是一个迫切需要解决的问题。本文主要针对军事情报领域的事件抽取技术展开深入研究,主要研究内容包括以下三个方面:(1)本文提出了面向军事情报领域的事件体系并构建了语料库。首先,定义了面向军事情报领域的事件体系,将事件分为主观事件和客观事件两个大类,定义了15种主观事件类型和21种客观事件类型。另外,本文还提出了“非实体论元”的概念,将论元抽取任务分为实体论元抽取任务和非实体论元抽取任务两个部分。最后,标注了面向特定领域的事件语料库,包含531篇文章和5624个事件,获得了良好的一致性检验结果。(2)本文提出了基于局部实体特征的面向特定领域事件抽取方法。首先,实现了一个传统的基于特征工程的事件触发词抽取方法作为基准系统。然后,提出了基于局部实体特征的事件触发词抽取方法。该方法利用预筛选实体的方法和CNN模型对局部特征的抽取特性,定位出对于触发词识别最重要的实体,再利用该实体与触发词的组合信息识别触发词。实验结果表明,该方法可以减少无关实体对于触发词抽取的干扰。在以上的标注语料上,触发词抽取性能的F1值比最好的基准系统提高了1.7%。(3)本文提出了基于结构化表示的非实体论元抽取方法。本文借鉴了否定性与不确定性的覆盖域识别方法,以短语句法子树作为分类单元,构建候选子树的多种平面特征和结构特征来探究其与触发词的句法关系,并利用基于卷积树核和神经网络的分类器识别候选子树中的非实体论元。实验结果表明,该方法能够保证识别出的非实体论元是完整的句法结构,消除了非实体论元复杂的内部结构对识别的影响,从而获得较好的识别效果。在以上的标注语料上,非实体论元抽取性能的PCS值比基准系统提高了13.5%。