事件抽取旨在把含有事件信息的非结构化文本以结构化的形式予以呈现,涉及自然语言处理、机器学习、模式匹配等多个学科,对信息检索、自动问答、舆情分析等领域均有很高的应用价值。在现代生活中,互联网已经成为绝大多数人们发布和获取信息的途径,在线医疗为许多不方便出行的人们提供了医学方面的咨询和预分类服务。在线医疗系统内,储存了大量的医患诊疗对话以及患者评价,对这些数据进行抽取,归纳整理这些文本信息,使得我们更容易明白病人、医者的语言,得到诊断和治疗过程中的关键结构化信息,使计算机辅助诊断和辅助理疗成为可能。事件抽取的准确性与文本语言分析的深度有关。计算机对词汇的算法较为简单,具有可操作性,但是这种算法没有考虑到汉语语义是具有关联性的,在算法中没有体现相关描述,知识零散,处理效率不高。关于语义分析的研究已经表明,如果算法中包含语义分析会有更多优势。因此,本文加入语义层面的分析,提高事件提取的性能,提高信息的查全率和查准率。具体研究内容如下:本文首先介绍了在线评论诊疗事件提取的研究背景和意义以及相关内容的国内外研究综述;接着根据自动内容抽取ACE事件表示模型,提出了基于触发词和论元角色的在线评论诊疗事件表示模型,并通过实例分析对该模型进行解释说明;基于框架语义学相关理论,引出了语义文本分析流程,着手建立了在线评论诊疗事件语义分类词表,并阐述了语义标注规则;其次介绍了在线评论诊疗事件提取流程,包括事件类型识别和论元要素提取的方法及流程;根据多次实验可以看出,抽取方法是具有可行性的;文章最后,对研究工作进行总结,提出了研究的亮点和需改进之处。本文研究对医学文本领域事件抽取研究具有参考价值,为医疗辅助决策做出了一定贡献。