本研究提出了MAQInstruct框架，旨在改进事件关系提取，特别是针对偏离已知模式的事件。通过指令选择事件并引入双重匹配损失，显著提升了提取性能，减少了对生成顺序的依赖。

本文介绍了多种事件抽取框架和方法，如JMEE、ProtoEM、PL-marker和JSEEGraph，强调了它们在事件关系提取中的有效性和性能提升。同时，研究构建了大规模数据集MAVEN-ERE，展示了联合学习在事件关系提取中的优势。