互联网的普及以及网络信息爆炸式的增长,使得人们越来越多的从网上获取自己关心的事件。如何高效且准确的抽取相关信息变得极具挑战性。事件抽取作为信息抽取领域重要的研究方向,其将事件作为信息表示的基本单元和组织手段,把含有事件信息的非结构化文本以结构化或者半结构化的形式从不同的信息源中抽取并以不同层次和粒度呈现出来。维吾尔语文本事件抽取与分析目的是利用深度学习技术从非结构化的维吾尔语文本数据中抽取事件信息,是自动文摘、自动问答系统等基于事件的信息组织技术的基础。随着新疆的通信事业发展迅速,大量基于民族语言的网站和通信平台不断建立,这为基于维吾尔语事件信息的抽取和分析研究提供了大量的语料资源。事件信息抽取与分析包括事件识别和事件要素的识别,事件识别旨在抽取事件触发词,并将其所对应的事件做出对应的分类。针对事件识别研究中对事件句上下文隐含语义信息挖掘不充分,识别稳定性弱的问题,结合对维吾尔语语言特点分析,提取维吾尔语文本事件包含的六大特征块。为提高维吾尔语事件特征表达,在特征集中引入富含词汇语义及上下文位置关系的Word Embedding。利用深度学习联合模型对特征抽象化的学习能力和事件中抽象含义序列关系的捕获特性,训练分类器完成事件识别任务。实验结果表明Word Embedding特征项的引入提高了模型识别的性能,并且与六大特征块的融合获得了较理想的召回率和准确率以及F值。事件要素识别部分,本文采用深度学习技术将其转化为分类问题,利用双向长短期记忆网络对事件句前后文进行双向序列学习,从已识别出的事件类别中识别出真正的事件要素类别。并聚焦于模型分类器的训练和特征的选择,以及隐含特征的发现。避免了过多的人工干预因素和相关领域知识的欠缺,由此获得较客观的识别结果。实验评测表明深度学习技术有效的改善了维吾尔语文本事件要素识别任务中训练实例不平衡和数据稀疏问题,加强了系统识别的稳定性。