中文语义分析是使计算机理解汉语句子并实现人机中文对话的非常重要的一步,它能将中文句子转化为机器可以理解的一种表达方式。依据中文语法特点设计中文语义组块序列标注方式,并使用深度学习方法设计与实现中文语义组块分析系统,完成对中文句子语义成分的划分。为了得到准确率较高的中文语义组块分析器,将输入数据进行了清洗,过滤其中的非句子成分,并利用标点符号切分出单句;训练了中文分词和词性标注模型,使用训练好的模型对清洗后的数据进行分词和词性的预测;使用word2vec的方式预训练出中文词向量与随机初始化的词性向量进行拼接作为神经网络模型的输入;设计并实现了多个中文语义组块识别模型,首先根据CRF算法进行了实现,设计了用来提取分词和词性特征的特征模板,并根据句中出现的短语增加短语内词的特征,结合词特征和状态转移矩阵对中文语义组块进行识别;然后实现了使用BiLSTM嵌入CRF中状态转移矩阵的模型,接着在该模型基础上设计增加了网络层数,实现了双层BiLSTM+CRF模型,最后在双层BiLSTM+CRF模型基础上引入Attention机制,实现了新的双层BiLSTM+Attention+CRF模型。通过对实现的四种模型进行比较,最终选择使用双层BiLSTM+Attention+CRF模型对中文语义组块进行识别。完成中文语义组块分析系统的设计与实现之后,使用改进的模型在金融领域语料中对其他序列标注任务进行了测试和比较,该模型的效果均优于目前百度和哈工大的自然语言处理工具,在中文语义组块识别任务中,该模型F1值达到了91.22%。最终对系统进行了全面的功能测试和性能测试,通过各项测试结果发现系统各个模块运行正常且与预期保持一致。