摘要
以往大多数时间关系抽取研究仅关注事件之间的时间关系，或受限于事件、时间表达（timexes）以及文档创建时间（Document Creation Time, DCT）表达方式的多样性问题。此外，DCT可作为语义枢纽，连接文档中其他事件与时间表达。然而，现有方法未能有效利用这一关键信息。为解决上述问题，本文提出一种统一的以DCT为中心的时间关系抽取模型——DTRE，用于识别事件、时间表达与DCT之间的多种时间关系。具体而言，我们引入句式化的DCT表示方法，以解决表达异构性问题，并实现事件、时间表达与DCT在统一表示空间中的对齐。随后，设计一种DCT感知的图结构，以获取各元素的上下文结构化表示。进一步地，提出一种基于DCT锚定的多任务学习框架，实现三种类型时间关系的批量联合预测。最后，引入DCT引导的全局推理机制，以增强不同时间关系之间的全局一致性。在三个公开数据集上的实验结果表明，DTRE在E-E（事件-事件）、E-T（事件-时间表达）和E-D（事件-DCT）三类任务上均显著优于多个当前最优（SOTA）基线模型。