时间关系抽取的结构化学习方法

识别事件之间的时间关系是实现自然语言理解的关键步骤。然而，故事中两个事件之间的时序关系往往依赖于其他事件之间的关系，并且通常由这些关系决定。因此，即使对于人类注释者而言，有效识别事件间的时间关系也是一个具有挑战性的问题。本文指出，在学习识别这些关系的过程中，考虑这些依赖关系是非常重要的，并提出了一种结构化学习方法来应对这一挑战。作为副产品，这种方法为处理缺失的关系提供了一个新的视角，而缺失关系问题已知会对现有方法造成损害。如本文所示，所提出的这种方法在两个常用数据集上显著提高了性能。