WISTERIA：基于弱隐式信号的注意力时序关系抽取

时序关系抽取（TRE）需要识别两个事件或时间表达式之间的时序关系。现有的注意力模型通常强调全球显著标记，但忽略实际决定时序关系的特定对准线索。我们提出WISTERIA（基于弱隐式信号的注意力时序关系抽取），该框架检查每个事件对条件下前K个注意力组件是否真正编码用于时序分类的可解释证据。与先前方法假设包含before、after或when等显式标记不同，WISTERIA将信号视为任何潜在表达时序顺序的词汇、句法或形态元素。通过将多头注意力与对偶条件化的top-K池组合，模型隔离每个对最具信息性的上下文标记。我们在TimeBank-Dense、MATRES、TDDMan和TDDAuto上进行大规模实验，包括对top-K标记的语言学分析。结果表明，WISTERIA在实现竞争性准确率方面取得好成绩，并揭示与时序语言线索对齐的对级别理由，为时序推理提供了局部化和可解释的视图。