融合全局和局部信息的汉语宏观篇章结构识别  

Identification of Chinese Macro Discourse Structure with Global and Local Information

作　　者：范亚鑫 蒋峰 朱巧明[1,2] 褚晓敏[1] 李培峰[1,2] FAN Yaxin;JIANG Feng;ZHU Qiaoming;CHU Xiaomin;LI Peifeng(School of Computer Science and Technology,Soochow University,Suzhou,Jiangsu 215006,China;AI Research Institute,Soochow University,Suzhou,Jiangsu 215006,China)

机构地区：[1]苏州大学计算机科学与技术学院,江苏苏州215006 [2]苏州大学人工智能研究院,江苏苏州215006

出　　处：《中文信息学报》2022年第3期1-9,共9页Journal of Chinese Information Processing

基　　金：国家自然科学基金(61772354,61836007,61773276)。

摘　　要：作为宏观篇章分析中的基础任务,篇章结构识别的目的是识别相邻篇章单元之间的结构,并层次化构建篇章结构树。已有的工作只考虑局部的结构和语义信息或只考虑全局信息。该文提出了一种融合全局和局部信息的指针网络模型,该模型在考虑全局语义信息的同时,又考虑局部段落间的语义关系密切程度,从而有效提高宏观篇章结构识别的能力。在汉语宏观篇章树库(MCDTB)的实验结果表明,该文所提出的模型性能优于目前性能最好的模型。The discourse structure recognition task aims to identify the structure between adjacent discourse units for a hierarchical discourse structure tree.This paper proposes a pointer network model that integrates global and local information.It can effectively improve the ability of macro text structure recognition by considering the global semantic information and the closeness of the semantic relationship between paragraphs.The experimental results in the Chinese macro discourse Treebank(MCDTB)show that the proposed model outperforms the state-of-the-art model.

关 键 词：宏观篇章分析 结构识别 自顶向下 指针网络 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]