시간 관계 추출은 이벤트 쌍 간의 시간 관계를 추출하는 것을 목표로 하며, 자연어 이해에 있어 핵심적인 역할을 한다. 기존 연구에서는 전역적인 특징을 포착하는 데 소홀한 경향이 있었다. 본 논문에서는 문장 내 및 문장 간 관계 모두에 적합한 관계 구조 특징을 추출하기 위해 RSGT(Relational Structure Guided Temporal Relation Extraction)를 제안한다. 구체적으로, 문법적 및 의미적 기반의 그래프를 구성하여 관계 구조를 추출하고, 이를 학습할 수 있는 그래프 신경망 기반 모델을 제안한다. 이후, 인코더의 표현을 더욱 포괄적으로 만들기 위해 보조적인 시간적 이웃 예측 작업을 도입하여 미세조정을 수행한다. 마지막으로, 잘못 예측된 레이블을 보정하기 위해 충돌 탐지 및 수정 알고리즘을 적용한다. MATRES와 TB-Dense라는 두 가지 유명한 데이터셋에서의 실험 결과, 제안한 방법이 기존 방법 대비 우수한 성능을 보였다( MATRES에서 F1 점수 2.3% 향상, TB-Dense에서 3.5% 향상).