摘要：時間關(guān)系的識別成為近年來自然語言處理領(lǐng)域（nature language processing,NLP）的一個研究熱點。引入時間片段和主題片段這兩種比事件觸發(fā)詞粒度粗的語義單元進行時間關(guān)系識別,首先在文本中利用一些時間篇章特點識別時間片段,然后利用相似度計算與支持向量機（support vector maehine,SVM）模型相結(jié)合的方法識別主題片段,最后在主題片段范圍內(nèi),以時間片段為排序?qū)ο?使用最大熵分類模型識別時間關(guān)系。在TempEval-2010的漢語語料上進行實驗,得到的時間關(guān)系識別宏平均精確率為60.09%。實驗結(jié)果表明：引入時間片段后可有效減少不必要的事件時序關(guān)系的識別;同時,在主題片段的約束下所得到的時間關(guān)系更簡潔、語義邏輯性更好。