ACLSep, 2020

基于神经网络的 RST 方法用于衡量篇章连贯性

PDF
TL;DR利用 Rhetorical Structure Theory (RST) 树和关系对话语连贯性进行评估，表明在分类连贯性方面增加银标准 RST 特征可以提高准确性，我们开发了一个 tree-recursive neural model，即 RST-Recursive，利用了由最先进的 RST 解析器产生的文本 RST 特征。在 Grammarly Corpus for Discourse Coherence (GCDC) 上评估我们的方法，并展示了当与现有先进技术结合使用时，我们可以在此基准测试中实现新的技术水平的准确性。此外，单独部署时，RST-Recursive 具有竞争性的准确性，同时参数减少了 62%。
rhetorical structure theorycoherence evaluationrst-recursiveneural modelgrammarly corpus
发现论文，激发创造
  • 从 RST 论述分析提升文件级情感分析

    通过分析语篇结构中的修辞元素，文献使用的修辞结构理论 (RST) 解析器可以提高情感分析的准确性；该文献使用基于依存关系的位置调整方法和基于 RST 结构的递归神经网络模型分别取得了显著的效果提升。

    Sep, 2015

  • 从零开始的 RST 语法分析

    本文提出了一种基于分裂决策的顶级自上而下的端到端文档级修辞结构理论（RST）框架下的论述解析方式，并采用 seq2seq 网络建模分离决策，无需依赖分段，融合高分树搜索算法得到最佳树结构，实验结果表明该解析器在端对端解析和使用黄金分段分析方面表现出色，且无需使用手工特征，速度更快，易于适应新的语言和领域。

    May, 2021

  • 文本分类的神经话语结构

    本文研究利用 Rhetorical Structure Theory 和递归神经网络（使用新提出的 attention 机制）来加强文本分类的方法，实验结果表明其优势和劣势。

    Feb, 2017

  • 快速修辞结构理论篇章分析

    本文描述了一种 RST 分割和解析系统，该系统可以快速、稳健地处理新闻文章或文章等短文档，并将各种先前工作的模型和特征集进行了适应，其准确性接近于最先进的水平。

    May, 2015

  • 以文档级内容结构为导向的 RST 风格的篇章解析

    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

  • eRST：话语关系和组织的信号图理论

    我们提出了增强修辞结构理论（eRST），这是一种基于修辞结构理论（RST）扩展的计算化话语分析的新理论框架。该框架包括具有树破碎、非投射和并发关系的话语关系图，以及提供解释性的隐式和显式信号来解释我们的分析。我们调查了 RST 和其他现有框架的缺点，如分段话语表示理论（SDRT）、宾夕法尼亚话语树库（PDTB）和话语依赖，并使用所提出的理论中的构造来解决这些问题。我们为数据提供注释、搜索和可视化工具，并介绍和评估了一个根据我们的框架进行注释的英语语料库，包括 12 种口语和书面体样式，200,000 个单词。最后，我们讨论了在我们的框架中的数据自动解析、评估指标和应用。

    Mar, 2024

  • 利用话语结构分布进行长文本抽象摘要

    本文提出了一个新型的文本摘要模型，RSTformer，综合考虑了修辞关系的类型和不确定性，采用基于文档级修辞结构的 RST-attention 机制，取得了显著的性能优势。

    May, 2023

  • 神经生成修辞结构分析

    本文提出了第一个用生成模型进行 RST 解析的文档级 RNN 语法，通过一种新的 beam search 算法，在而不展示左分支的偏差下，在未标注和标注的 F1 值上分别提高 6.8 和 2.9，超越了所有不使用额外训练数据的最新复制研究中发布的解析器，并且优于具有相同特征的判别模型 2.6F1 分。

    Sep, 2019

  • 多语言神经 RST 话语分析

    研究了通过利用多语言向量表示和采用源内容的分段级别翻译建立神经交叉语言篇章分析器的两种方法，并表明这两种方法即使在有限的训练数据下也有效，并且在所有子任务上实现了跨语言、文档级的篇章分析性能。

    Dec, 2020

  • W-RST: 一种加权的 RST 风格的语篇框架

    本文针对数据驱动和基于语言启示的方法进行了深入探讨，研究了在加权 RST 框架中是否可以用自动生成的实值分数替代二进制重要性评估，并发现与基于核心性的方法相比，来自辅助任务的加权语篇树可以使关键的自然语言处理下游应用受益。我们进一步表明，实值重要性分布部分有趣地与人类注释者的评估和不确定性相吻合。

    Jun, 2021