事件抽取是信息抽取的研究热点，它的研究内容是自动地从自然文本中发现特定类型的事件及其事件元素。目前，绝大多数研究侧重在有监督方法方面，只有少数针对半监督或无监督英文事件抽取的研究，半监督中文事件抽取还处于起步阶段。本文从抽取模型、事件模板和事件推理三个方面来研究半监督中文事件抽取方法，主要研究内容包括：第一，针对文档相关度方法和语义相似度方法的优缺点以及中英文之间的差异性，本文提出一种双视图自举方法。该方法结合文档相关度和语义相似度两个视图，在种子模板的基础上，通过半监督方法自动扩充种子模板。在ACE2005中文语料上的实验表明，该方法使得半监督中文事件抽取系统的F1值比原有的文档相关度方法和语义相似度方法分别提高了8.2%和3.6%。第二，针对触发词语义的多义性问题，本文提出基于语义的模板优化方法。首先借助论元进行模板过滤，提高模板的准确性，然后根据句法结构进行模板转换，提高模板的适用性，最后使用混合模板方法进一步明确触发词的语义。实验结果显示，半监督中文事件抽取系统的F1值提高了5.3%。第三，半监督中文事件抽取系统的性能依赖种子模板，但种子模板的覆盖域有限，大量的稀疏模板无法被获取。本文基于篇章内的一致性原理，提出同指事件、相关事件和武器线索推理方法，识别更多的同指关系与关联性的事件。实验证明，半监督中文事件抽取系统的F1值提高了11.1%。本文实现了半监督中文事件抽取系统并提出改进方法，实验证明了该方法的有效性，将有利于半监督中文事件抽取技术的发展。