李婧，李培峰，朱巧明

（苏州大学 计算机科学与技术学院，江苏 苏州 215006）

0 引言

事件时序关系识别是关系抽取中的一个子任务，目的在于判别两个目标事件在时间上的发生顺序（例如：前（BEFORE）和后（AFTER）等）。例如在句子S1 中，事件“卖出”发生在“凶杀案”之前，因此“卖出”和“凶杀案”的时序关系是“BEFORE”。

S1：而警方今天也找到了凶刀，来源是苗丽一家大卖场所卖出，证实这是一件预谋的凶杀案。

事件时序关系识别获得越来越多研究者的重视，该任务对叙述性文本中时间线的构造有很大帮助。另外，该任务对特定领域的相关研究工作也有帮助。例如在医疗领域中，根据某些疾病在不同时间不同程度的状态和变化可更准确地选择治疗方案。总之，事件时序关系识别可推动很多其他自然语言处理任务，如问答系统［1-2］、文本摘要［3］、文本蕴含［4-5］和知识图谱构建［6］。

随着深度学习的兴起，该任务的研究开始转向使用神经网络代替传统的特征学习方法，可不必依赖大量手工标注的特征。然而，由于多数相关的语料库中只标注了同句和邻句的事件时序关系，因此，在该任务中研究者们更多聚焦于同句和邻句中的时序关系研究，忽略了跨句间的事件时序关系。在同句和邻句时序关系研究中，基于两个事件触发词（Trigger，表示一个特定事件的核心词，一般用触发词来表示事件。事件时序关系识别可以映射到识别事件触发词之间的时序关系，如上例中的触发词“卖出”和“凶杀案”的时序关系）的最短依存路径（Shortest Dependency Path，SDP）被广泛用来表征事件句，并用于时序关系识别。……