在面对具有复杂句法关系的长文本上下文时,现有机器阅读理解式事件检测模型难以挖掘关键词之间长距离依赖关系。针对上述问题,提出一种基于关系增强图卷积网络(REGCN)的机器阅读理解式事件检测模型(MRC-REGCN)。首先,利用预训练语言模型对问题和文本进行联合编码,得到融入先验信息的单词向量表示;其次,引入动态的关系增强标签信息,并利用REGCN深入学习单词之间的句法依存关系,增强模型对长文本句法结构的感知能力;最后,利用多分类器得到文本单词在所有事件类型下的概率分布。在ACE2005英文语料上的实验结果表明,所提模型在触发词分类上的F1分值相较于同类机器阅读理解模型EEQA(Event Extraction by Answering (almost) natural Questions)和最佳基线模型DEGREE(Data-Efficient GeneRation-based Event Extraction)分别提升了2.49%和1.23%,验证了MRC-REGCN具有更好的事件检测性能。