在司法公开的背景下，互联网上发布了海量真实有效的司法判决书。司法判决书案情是对案件细节的描述，富含丰富的行业知识和专业智慧。然而，司法判决书的数量庞大，内容冗长、多样且非结构等特征，导致其数据价值密度低下，难以有效支持决策。司法判决书的结构化处理是后续分析的重要基础，面向司法判决书案情的主题事件抽取任务开展研究具有重要的理论价值和较好的应用前景。本文主要研究工作如下:
　　(1)提出一种触发词与属性值对的联合抽取方法。该方法首先利用基于熵的特征排序构建触发词表。然后基于条件随机场，训练触发词识别模型，用于确定二元语义属性的取值;训练触发词、属性和属性值的联合标记模型，用于识别字符串属性及其取值。实验结果显示，与传统方法相比，所提出的方法能够抽取二元语义属性值对，并且对字符串属性值对的抽取准确率、召回率和F值均有提高，同时抽取所用平均时间明显降低。
　　(2)由于训练条件随机场模型需要大量的标记语料，司法判决书的标记语料少且依赖人工标注。为了减少人工标注的工作，通过利用未标记语料，我们提出一种基于tri-training和CRF的元事件抽取方法。实验结果显示:该方法能够降低训练模型所需标记语料的数量，同时避免过拟合现象，提高元事件中属性值对的抽取性能。
　　(3)考虑属性值对集合缺乏层次结构，无法有效地呈现司法判决书案情的主题，因此本文设计一种主题事件的结构化表示框架，将属性值对根据所属元事件类型分类，以层次化、结构化的形式描述案情主题，结合触发词与属性值对的联合抽取方法及基于框架和tri-training的主题事件抽取方法，设计并实现了基于表示框架的司法判决书案情主题抽取系统。