이 논문은 SCATE 코퍼스를 기반으로 훈련된 최초의 시간 정규화 모델을 제안한다. SCATE 체계에서는 시간 표현이 시간 엔티티들의 의미적 조합으로 주석화된다. 이러한 새로운 체계는 머신러닝 접근법에 유리하며, 의미적 구문 분석(task)으로 간주할 수 있다. 본 연구에서는 TimeML 체계를 기반으로 한 기존 최고 성능 모델을 초월하는 문자 수준의 다중 출력 신경망을 제안한다. SCATE와 TimeML 체계를 따르는 시스템의 예측 결과를 비교하기 위해, 시간 간격에 대한 새로운 평가 지표를 제안한다. 또한 이 새로운 지표를 활용하여 동일한 코퍼스 내에서 두 체계의 주석을 비교 분석한다.