蒙古文作为内蒙古自治区主体民族使用的主要文字,在各个领域都被广泛应用。其使用者分布在中国、蒙古国和俄罗斯等国家,在世界范围也有一定的影响力。随着蒙古文相关的网络资源逐渐增多,对蒙古文信息进行检测与追踪的需求不断增加。然而,至今为止在国内外对蒙古文文本的新事件检测研究还是空白。因此,亟需对蒙古文的新事件检测任务展开研究。本文针对蒙古文新闻语料新事件检测任务,提出了基于深度学习的新事件检测方法。首先,使用向量空间模型(Vector Space Model,VSM)进行蒙古文新闻语料新事件检测。此方法主要对文档内容进行建模,并以此作为基线方法。其次,将命名实体识别(Named Entity Recognition,NER)融合到传统的向量空间模型中,进一步对文档的地点、机构名进行提取。相比传统的VSM模型,该方法误检率更低。然后,为了提取多维事件要素,包括主体、客体、时间和地点,本文引入双向循环神经网络(Bidirectional Recurrent Neural Networks,BiRNN)进行事件要素提取。实验结果表明,相比VSM-NER的方法,其错检率和误检率明显降低。为了进一步提高蒙古文新闻语料新事件检测的准确率,将双向循环神经网络和条件随机场(Conditional Random Field,CRF)相结合的方法应用于新事件检测中,检测性能得到了进一步提升。