如何对大量非结构化文本进行语义分析,抽取结构化信息进而发现知识,是近年来研究的热点。语义角色标注是对文本进行浅层语义分析的重要手段,也是文本分析与信息抽取中的一项基础技术。传统的语义角色标注方案对人工特征与句法分析结果依赖性高,存在一定的局限性。因此,本文对语义角色标注问题开展了研究,主要工作如下:本文分析了传统方法的不足,提出了一套特征极简、对句法分析无依赖的语义角色标注方案。该方案基于双向长短期记忆网络,结合词向量、词性嵌入特征,构建了语义角色标注模型。词向量特征能够较好的表达词语的语义信息以及词与词之间的语法关系;词性特征准确率高,易获取,误差积累小。双向长短期记忆网络能够很好地为句子的上下文建模,学习词语的语义角色特征信息。针对长短期记忆网络无法并行计算隐状态的缺陷,提出了使用迭代膨胀卷积神经网络对句子进行语义角色建模的方案。该方案缓解了卷积神经网络不擅长学习全局特征的缺陷,相比于长短期记忆网络加快了模型训练速度。引入了注意力机制。将注意力机制应用于本文提出的两个模型中,帮助模型进一步学习文本中的长距离依赖特征以及词语之间的结构特征。在公开数据集上设计了多个对比实验,将本文模型与几个常见语义角色标注方案以及一系列基线模型进行了对比。实验结果表明本文模型在性能上优于对比模型,证明了本文方案的有效性。