事件抽取在自然語言處理應(yīng)用中扮演著重要的角色,如股票市場趨勢預(yù)測.傳統(tǒng)事件抽取較為關(guān)注觸發(fā)詞和論元所屬類型的正確性,較少地結(jié)合應(yīng)用需求去分析研究事件抽取效果及使用價(jià)值.在財(cái)經(jīng)領(lǐng)域,事件作用對(duì)象及動(dòng)作是關(guān)注的重點(diǎn).因此,本文聚焦于金融事件,抽取三元組事件ET(Sub,Pred,Obj).在中文財(cái)經(jīng)新聞中,存在大量事件嵌套和成分共享等現(xiàn)象,致使易岀現(xiàn)事件漏抽和事件成分缺失的情況.為了解決這些冋題,本文建立句法和語義依存分析相結(jié)合的中文事件抽取框架,歸納了4種常見缺省結(jié)構(gòu),并設(shè)計(jì)相應(yīng)的補(bǔ)全規(guī)則.首先,基于句法依存樹,分析動(dòng)詞詞法和句法結(jié)構(gòu),建立核心動(dòng)詞鏈,使得每個(gè)核心動(dòng)詞對(duì)應(yīng)一個(gè)事件,解決事件漏抽問題然后,在句法依存樹的基礎(chǔ)上添加語義依存關(guān)系,建立事件間語義關(guān)聯(lián),得到句法語義依存分析( Syntactic SemanticDependency Parsing,SSDP)樹.第三,調(diào)整SSDP樹,優(yōu)化句法結(jié)構(gòu),形成SSDP圖,使得同等句法結(jié)構(gòu)的詞結(jié)點(diǎn)處于相同層級(jí),為后續(xù)事件抽取提供途徑,第四,歸納4種常見缺省結(jié)構(gòu),設(shè)計(jì)相應(yīng)補(bǔ)全規(guī)則,解決事件成分缺失冋題最后,在中文財(cái)經(jīng)新聞標(biāo)題和CoNL2009中文語料上進(jìn)行詳細(xì)的實(shí)驗(yàn)測試,實(shí)驗(yàn)結(jié)果表明該方法是有效的。