1.基于关系图注意力神经网络的事件时序关系识别方法，该方法包含如下步骤：Step1：时序图构建

首先对事件句对进行语义依存分析，获得两个依存树；针对每个依存树，查找触发词所处位置，并以触发词以起点，递归查找它的相邻节点，直到p跳的相邻节点为止，并保留该阶段内被查找的节点，其中p为递归次数；

使用抽象的关系类型表示分词间的联系，定义的关系类型如下：Depend‑Head类型边：通过依存分析工具获得的边；

Head‑Depend类型边：与Depend‑Head类型边方向相反；

Self‑Loop类型边：该边指向分词本身；

Head‑Head类型边：该边两端均为触发词；

由此得到一个时序图G＝(U,E)，其中每个节点ui∈U，每个边(ui,uj)∈E；

Step2：时序图学习

定义每个节点的初始隐藏状态为 每个节点的邻居集合为N(ui)；对于时序图G中的每个节点ui，计算它的第l层的隐藏状态利用注意力机制对不同的邻居节点进行差异化处理，以区别不同的邻居节点的权重；

根据注意力机制中的注意力系数计算处于第l层的不同节点间的相关度Step3：时序分类

首先从隐藏状态集合中提取出触发词的隐藏状态 和然后将事件句s1和事件句s2中剩余的隐藏状态信息分别整合为句子表示向量 和最后，利用前馈神经网络FFNN和softmax函数对上述句子表示向量进行计算，预测不同事件间的时序关系；

其中Step2中时序图G中的每个节点ui的第l层的隐藏状态 计算如下：其中，Nr(ui)表示节点ui在关系类型r∈R下的邻居节点， 表示第l‑1层的节点ui与节点uj在关系类型r∈R下的相关度， 表示在关系类型r∈R下的第l‑1层的邻居节点的权重矩阵， 表示第l‑1层触发词t的权重矩阵，R表示关系类型的集合，σ表示激活函数。

2.根据权利要求1所述的基于关系图注意力神经网络的事件时序关系识别方法，其特征在于：Step3中句子表示向量 和 计算如下：