临床指南是医学知识经过规范化处理的结果,能够多学科、系统性地指导临床诊疗,能够辅助医护人员在进行临床诊断、疾病治疗时做出合理的决策。临床指南事件作为临床指南中重要组成,对疾病诊断和治疗意义重大。本研究将临床指南事件提取出来,并形成一系列规范化、标准化文字,能够给临床诊疗、药品检索提供信息支撑,减少医护人员由于知识不足够导致的医学疏漏,提升整体的临床诊疗水平。本研究将事件抽取分为“触发词识别”和“论元识别”两个任务,通过分析医学指南文本,构建出临床指南中基础的事件模型,包括模型名称、触发词种类、模型中的事件元素等。根据构建的事件模型对语料进行人工标注,将文本用词向量形式表示出来,把词向量分别输入到双向长短期记忆网络和卷积神经网络中,利用算法模型自动更新学习特征以及组合更高级的特征,不断反向更新迭代算法参数,建立起完整的两套算法模型。最后利用该模型对测试集中的中文医学指南文本进行自动抽取,评价抽取效果。结果显示,基于Bi-LSTF+CRF的中文临床指南抽取模型较之传统机器学习模型,在触发词识别和论元角色识别上均有明显的提升;基于CNN的中文临床指南抽取模型较之传统机器学习模型,在触发词识别和论元角色识别上也有更好的效果。