我们提出了TIMERS——一种面向英文文档级时间关系分类的时间（TIME）、修辞（Rhetorical）与句法（Syntactic）感知模型。该方法在传统局部句法特征的基础上，引入了来自语义角色标注的修辞话语特征与时间论元信息，并通过门控关系图卷积网络（Gated Relational-GCN）进行训练。大量实验表明，得益于其在话语层面的建模能力，所提出模型在TDDiscourse、TimeBank-Dense和MATRES三个数据集上的表现相较以往方法提升了5%至18%。