イベント抽出は、イベントレコードの複雑な構造と、テキストとイベントとの間の意味的ギャップにより、困難な課題である。従来の手法は、複雑な構造予測タスクを複数のサブタスクに分解することでイベントレコードを抽出する。本論文では、テキストからエンド・トゥ・エンドで直接イベントを抽出できる、シーケンス・トゥ・構造生成フレームワークであるText2Eventを提案する。具体的には、統一的なイベント抽出を実現するためのシーケンス・トゥ・構造ネットワーク、推論時にイベント知識を注入するための制約付きデコードアルゴリズム、および効率的なモデル学習を実現するカリキュラム学習アルゴリズムを設計した。実験結果から、単一のモデル内ですべてのタスクを統一的にモデル化し、異なるラベルを普遍的に予測することで、教師あり学習および転移学習の両設定において、レコードレベルのアノテーションのみを用いて競争力のある性能を達成できることを示した。