Como una de las tecnologías fundamentales para el procesamiento masivo de datos para la inteligencia artificial, la minería de eventos está atrayendo cada vez más atención, incluyendo principalmente la detección de eventos (identificación de desencadenantes de eventos y clasificación de eventos) y la extracción de argumentos. En la actualidad, EE-GCN es uno de los métodos más efectivos para la detección de eventos. Sin embargo, dado que EE-GCN se enfoca únicamente en la detección de eventos, es necesario mejorar la extracción completa de múltiples tuplas de eventos. Inspirado en el método de detección de eventos EE-GCN, este artículo propone un método efectivo de extracción de eventos a través de la indicación de redes convolucionales de grafos con una estrategia jerárquica de selección de argumentos. El método incluye principalmente los siguientes pasos. (1) Basado en la plantilla de extracción de argumentos ACE2005, se establece una nueva plantilla de extracción de argumentos para el conjunto de datos de extracción de eventos de Baidu. (2) Los eventos desencadenantes y la clasificación de eventos detectados por EE-GCN se utilizan como indicadores para determinar la plantilla de extracción de argumentos, y los argumentos alternativos se extraen mediante reconocimiento de entidades nombradas basado en la plantilla determinada. (3) Haciendo uso completo de la información lateral del grafo EE-GCN para resolver el grado de correlación local y global, y basándose en los grados de correlación local y global, se determina la multi-tupla final de argumentos. (4) Finalmente, se realizan varios experimentos en el conjunto de datos de extracción de eventos de Baidu para comparar el método propuesto con otros métodos. Los resultados experimentales muestran que el método propuesto ha mejorado la precisión y completitud de la extracción de eventos en comparación con otros métodos existentes.