徐 昇,王体爽,李培峰,朱巧明

(1. 苏州大学 计算机科学与技术学院，江苏 苏州 215006；2. 江苏省计算机信息技术处理重点实验室，江苏 苏州 215006)

0 引言

作为自然语言处理中的一个基础任务，篇章分析专注于分析文本单元(例如，子句、句子、句群)之间的关系和结构，从而将文本解析为篇章树。篇章关系识别是篇章分析中一个重要的子任务，其目的在于识别出两个连续文本单元(称之为论元)Arg1和Arg2之间的语义联系。自动识别篇章关系可以为许多下游的应用提供帮助，例如，文本摘要和信息抽取。已有的研究表明，连接词是篇章关系识别中的一个重要线索，对于存在连接词的显式篇章关系识别而言，一个简单的基于频率的映射就能达到很高的分类精度[1]，而对无连接词的隐式篇章关系的识别则一直是一个难题[2]，因为其完全依赖于对文本的语义理解。例1给出了一个论元之间存在因果关系的例子，其中Arg1是Arg2的原因。

例1 [Arg1]上海浦东近年来颁布实行了涉及经济、贸易、建设、规划、科技、文教等领域的七十一件法规性文件，

[Arg2]确保了浦东开发的有序进行。

[隐式连接词]由此

[篇章关系]因果关系

目前，大部分的隐式篇章关系识别工作专注于直接识别两个论元之间的篇章关系，包括： ①抽取语言学特征后运用机器学习模型的传统方法[2-3]； ②通过对论元建模之后捕获论元之间语义联系的神经网络方法[4-7]；也有部分工作先预测出连接词[8]，或者使用标注的连接词信息来进行数据增强[9]；……