Sep, 2023

以文档级内容结构为导向的 RST 风格的篇章解析

PDF
TL;DR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。
rhetorical structure theorydiscourse parsingrst-dpdocument-level content structuresnews discourse profiling
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

  • 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

  • 一种用于句子级别语篇解析的统一线性时间框架

    使用神经框架和指针网络，基于 Rhetorical Structure Theory (RST) 的句子级别的语篇分析提出了一种高效的分析方法。基于分段器和分析器的性能表现显示出此方法具有优势且逼近人类认知水平。

    May, 2019

  • 一种自上而下的神经结构，用于文本级别的议论语言结构分析

    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

  • 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

  • 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

  • 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

  • 使用远程监督预测句子上文结构：以主题分割为例

    该研究提出了一种利用主题分割技术进行远程监督的方法来解决现代话语解析中由于数据稀缺问题所面临的困境，实验结果表明该方法能够有效地产生准确的树状结构并较之前的方法取得了更高的得分。

    Dec, 2021

  • 基于不同修辞结构的端到端论证挖掘

    该研究使用修辞树代替词序，提出了一种深度依存分析模型来评估同一论证方案内的释义差异，并使用 RST 结构的释义作为训练数据增强，结果表明论证挖掘可以从多种言语结构变体中获益。

    Jan, 2024