摘要
时间关系抽取旨在识别事件对之间的时间关系，这对于自然语言理解具有重要意义。然而，现有研究较少关注全局特征的捕捉。本文提出RSGT（Relational Structure Guided Temporal Relation Extraction，关系结构引导的时间关系抽取）方法，用于提取适用于句间与句内关系的关系结构特征。具体而言，我们构建了一个基于句法与语义信息的图结构，以捕获事件间的关系模式；随后，设计了一种基于图神经网络的模型，用于学习该图的表示。为进一步提升节点表示的全面性，我们引入一个辅助的时间邻域预测任务，对编码器进行微调。最后，采用冲突检测与修正算法对错误预测的标签进行调整。在两个知名数据集MATRES和TB-Dense上的实验结果表明，所提方法显著优于现有方法：在MATRES上F1值提升2.3%，在TB-Dense上提升3.5%。