基于神经 RST 的语篇连贯性评估
计算与语言
2020-10-01 v1
摘要
本文评估了修辞结构理论（RST）树与关系在语篇连贯性评估中的效用。我们表明，引入银标准 RST 特征可提升连贯性分类的准确率。我们通过树递归神经模型（即 RST-Recursive）证明了这一点，该模型利用了由最先进 RST 解析器生成的文本 RST 特征。我们在 Grammarly 语篇连贯性语料库（GCDC）上评估了我们的方法，并表明当与当前最先进方法集成时，我们可以在该基准上达到新的最先进准确率。此外，当单独部署时，RST-Recursive 在参数减少 62% 的情况下取得了具有竞争力的准确率。
引用
@article{arxiv.2009.14463,
title = {Neural RST-based Evaluation of Discourse Coherence},
author = {Grigorii Guz and Peyman Bateni and Darius Muglich and Giuseppe Carenini},
journal= {arXiv preprint arXiv:2009.14463},
year = {2020}
}
备注
8 pages, 5 figures, to be published in AACL 2020