摘要：事件檢測是信息抽取領(lǐng)域的重要任務(wù)之一。已有的方法大多高度依賴復(fù)雜的語言特征工程和自然語言處理工具,中文事件檢測還存在由分詞帶來的觸發(fā)詞分割問題。該文將中文事件檢測視為一個(gè)序列標(biāo)注而非分類問題,提出了一種結(jié)合注意力機(jī)制與長短期記憶神經(jīng)網(wǎng)絡(luò)的中文事件檢測模型ATT-BiLSTM,利用注意力機(jī)制來更好地捕獲全局特征,并通過兩個(gè)雙向LSTM層更有效地捕獲句子序列特征,從而提高中文事件檢測的效果。在ACE 2005中文數(shù)據(jù)集上的實(shí)驗(yàn)表明,該文提出的方法與其他現(xiàn)有的中文事件檢測方法相比性能得到明顯提升。