近年来,关系抽取已由简单二元关系抽取发展为复杂关系抽取,生物医学事件抽取成为研究焦点。抽取一个事件,需要识别出事件的触发词、参与者与事件类型。生物医学事件抽取系统至少由触发词识别和要素识别组成,且需要先对触发词进行预测或识别,这使得研究触发词识别有重要意义。本文描述生物医学事件抽取中触发词识别的两种方法：基于组合分类器的触发词识别和基于深度学习叠加去噪自动编码器(SdA)的触发词识别。在基于组合分类器的方法中,利用丰富的基于依存和句法解析的人工特征构建多个单一分类器,对多个单一分类器的结果进行三种操作：集合操作、投票和叠加进行组合。在基于深度学习叠加去噪自动编码器的方法中,只利用候选触发词的线性上下文对当前候选触发词进行预测,不需要大量人工特征,减少了对生物方面专业知识的依赖,初步证明了特征表示的有效性。本文在生物医学事件抽取公共评测语料BioNLP’09和BioNLP’11上进行实验,其中基于组合的方法在两个语料上评价；基于深度学习叠加去噪自动编码器的方法,在‘BioNLP’09上进行性能评价。实验结果说明：组合方法能够在单一分类器的基础上提高性能,且两层叠加方法优于集合操作与投票,在BioNLP’09和BioNLP’11上F值分别取得73.79%和74.25%；基于SdA的方法在不利用大量人工特征的前提下,F值达到57.04%,在词特征基上加上SdA的特征表示,PA上F值达到74.41%,减少了人工特征,同时证明了深度特征表示的有效性。