越南语新闻事件检测及共指关系识别,旨在检测出越南语新闻文本中句子级的事件信息,并在此基础上分析事件之间是否从不同的角度描述同一件真实事情。该任务目前存在相关语料匮乏、深层语义难以表征以及数据噪声问题。因此,本文基于多头注意力机制以及生成对抗网络,对越南语新闻进行深层语义挖掘与数据降噪,提升了越南语新闻的事件检测及共指关系识别的性能。论文主要工作如下。（1）越南语新闻事件检测及共指关系识别语料构建。由于缺乏公开的越南语新闻语料,为支撑模型训练,通过爬虫技术从互联网上爬取大量越南语新闻数据,并针对事件检测和事件共指关系识别任务对原始新闻数据进行预处理和标注,构建了用于事件检测的越南语新闻语料库和用于事件共指关系识别的事件语料库。（2）融合句法信息及多头注意力机制的越南语新闻事件检测方法。针对越南语新闻句中深层语义难以表征以及触发词的识别存在歧义问题,提出了一种融合句法信息及多头注意力机制的越南语新闻事件检测方法。通过在Transformer的编码端将句法信息与文本信息进行融合,加强新闻句中任意单词与其他成分之间的语义关联性,以及采用基于多头注意力机制的类型感知器捕获句子中潜在的触发词信息,进而实现越南语新闻的事件检测。实验表明,所提方法与基线模型相比取得了更好的性能。（3）基于生成对抗网络的越南语新闻事件共指关系识别方法。由于事件信息比实体信息复杂导致事件共指关系识别的难度远远大于实体共指消解。同时,在同一篇新闻报道中往往存在不同事件句之间具有相似上下文但不具有共指关系的情况,容易对模型造成干扰。因此,提出一种基于生成对抗网络的越南语新闻事件共指关系识别方法。采用事件上下文作为事件句的表征,并通过生成对抗网络来缓解文本中的噪声实例,以提高模型的抗噪能力。实验表明,提出方法较基线模型取得了更好的效果。（4）越南语新闻事件检测及共指关系识别原型系统。通过集成越南语新闻和事件语料库、事件检测算法与共指关系识别算法,构建了可视化的越南语新闻信息获取平台。