句子级事件检测任务目的是识别和分类事件触发词。现阶段工作主要将句子作为神经分类网络的输入，学习句子的深层语义信息，从而优化句子表示来改进事件检测任务的性能。该文发现除句子语义信息外，依存树包含的句法结构信息也有助于获取准确的句子表示。为此，该文采用双向长短时记忆网络对句子进行编码，捕获其语义信息；同时，设计图神经网络对句子的依存结构进行表示，获取其依存信息；此外，在对句子进行语义编码与依存编码时，该文利用自注意力机制使模型选择性地关注句子中的不同词，从而捕获句子中有助于事件检测的关键信息，并尽可能避免无关词的干扰；最后，该文提出门控机制，通过加权实现上述两种信息的动态融合。该文在自动文本抽取（automatic content extraction， ACE）数据集上进行实验，结果显示，该文提出的动态融合语义信息与依存信息的方法能更加有效地对句子进行编码，并捕获句子中的事件信息，在触发词识别与事件类型分类这两个子任务中，F1值均有较大提升，分别达到76.3%和73.9%。