关于语篇表征结构分析的第一次共享任务
提出了一种基于 Neural 的序列到序列的语义解析器，它能够高准确率地产生英语句子的 DRSs，并通过引入 De Bruijn 索引消除变量名以提高解析器性能，以及加入银标注数据来进一步提高性能。
Oct, 2018
通过引入跨语言训练策略，深入分析和改进基于 Discourse Representation Structure（DRS）的语义表示分析模型，在英语、德语、意大利语和荷兰语的标准基准测试中取得了最先进的结果，并为未来的 DRS 分析研究提供了深入的见解。
Jun, 2024
本文提出了一种结构感知模型，利用图注意力网络在编码器和解码器阶段整合结构信息，从而改进 Discourse Representation Tree Structure（DRTS）解析任务，实验证明该模型在该领域取得了最佳性能。
May, 2020
基于修辞结构理论的话语解析（RST-DP）探索了子句、句子和大文本跨度如何组成整个话语，并将修辞结构呈现为一个分层树。现有的 RST 解析流水线在构建修辞结构时缺乏对文档级内容结构的了解，导致在预测大文本跨度的话语关系时性能相对较低。为了识别高级内容相关信息在促进话语关系识别方面的价值，我们提出了一种新颖的 RST-DP 流水线，该流水线结合了从新闻话语建模任务中得出的具有结构意识的新闻内容句子表示。通过仅添加了少量的附加层，这个增强的流水线在各种 RST 解析指标上表现出了很有前景的性能。
Sep, 2023
本文介绍了针对英语，德语，意大利语和荷兰语的语义注释平行语料库，旨在捕获否定，情态动词，量化和假设触发器的语义。将平行语料中句子与范围内的义结构对齐，可以将概念表示为 WordNet 同义词集，并通过 VerbNet 关系表示语义角色。通过将范围内的意义表示翻译为一组从句，可以比较它们以进行语义解析器的评估和翻译检查。我们证明了用于评估范围内的含义表示的匹配工具既准确又高效。将此匹配工具应用于三个基线语义解析器，得到的 F 得分介于 43％至 54％之间。通过比较翻译的意义表示来自动查找意义变化的尝试研究表明，这种比较是发现注释错误和需要改进语义分析的实例的另一种方法。
Feb, 2018
本论文提出了一种适用于面向任务的对话系统的语义表示形式，该表示形式可以表示诸如共参照和上下文传递等概念，实现了对话过程中的全面理解。此外，更提出了一种新的 Seq2Seq 模型用于基于会话的解析，并在 ATIS、SNIPS、TOP 和 DSTC2 等数据集上获得了更好或相当的性能。
Sep, 2020
本文介绍了基于话语表示结构的多语言预训练语言含义模型，在预训练阶段包括语义表示，并采用交叉语言迁移学习，以进一步提高非英语任务的性能。实验结果显示，该方法在多语言 DRS 解析和 DRS 到文本生成任务上实现了最佳性能。
May, 2023
本文针对英语 RST 话语树库，提出了跨语言话语分析方法，并在西班牙语、德语、巴斯克语、荷兰语和巴西葡萄牙语中实验。该方法简单易行且有效，可以帮助更好地理解文件中的信息流和论证结构。
Jan, 2017
本文提出一种基于自上而下的神经网络结构，将话语的分层结构解析为分裂点排序任务，并在英文 RST-DT 语料库和中文 CDTB 语料库上进行实验，证明了该方法在文本级语篇分析中的高效性。
May, 2020
本研究探讨了一种模型，利用包括字符，子词，单词，句子和句对级别的不同粒度的文本表示来更好地表示文本，该模型在隐含关系识别中取得了 48% 以上的最新成果。
Jul, 2018