突发事件频发对人类生产生活产生了巨大威胁,迅速、准确地收集突发事件相关信息是采取应急措施的第一步。在互联网信息过载时代,靠人工收集信息的方式越来越不切实际,突发事件识别技术可以从海量文本中自动识别事件类型,为突发事件的发布、预警以及后续的追踪和应急方案制定提供信息依据。目前事件识别技术主要分为两种:基于模式匹配的方法和基于深度学习的方法。基于模式匹配的方法在特定领域内简单有效,但可移植性较差;基于深度学习的方法可移植性好,但需要大量带标注的语料进行训练。本文针对突发事件领域文本特点,提出了一种基于模式匹配和双层注意力网络的突发事件识别算法,实验结果表明本算法要优于单一模式匹配或神经网络的方法。本文的主要研究工作如下:（1）针对突发事件领域文本特征进行分析,提出了一种模式自动获取算法。该算法根据依存句法分析,从相关文本中自动抽取模式,并通过相关度计算对模式进行过滤。在此基础上,算法为每一个模式分配了权重,用来衡量目标语句归属于某种事件类别的概率。此外,引入基于概念知识库的词语相似度算法对模式库进行隐式扩充,提高了模式库的覆盖率。该算法仅需用户给定相关事件类型文本,就可以自动构建模式库并进行目标语句匹配,提高了算法的可移植性和可扩展性。（2）提出了一种基于模式匹配和双层注意力网络的突发事件识别算法。算法采用双向门控循环单元层编码句子信息,并引入双层注意力机制捕获隐藏触发词信息。其中一层注意力机制将模式匹配结果作为启发,构建注意力权重矩阵,将注意力偏向模式匹配识别的事件类型;另一层注意力机制为句中隐藏触发词分配更高权重,减少无关信息的噪声干扰。对两种注意力分布进行联合训练,使得模型能够学习模式匹配和隐藏触发词对识别结果的共同影响,在一定程度上实现了对模式匹配和深度学习方法的互补,提高了算法性能。