[EMNLP 2023] Learning Dynamic Representations for Discourse Dependency Parsing

刘添翼关于篇章分析任务的论文《Learning Dynamic Representations for Discourse Dependency Parsing》被EMNLP 2023 findings接收。

近期研究表明，分层架构对于篇章分析任务有较大的提升作用。但现有的方法没有充分利用分析历史信息，例如，在句间层级的分析上，只使用了句内子树的根节点或句子的句向量，忽视了句子的内部结构。我们基于分层的 transition 机制进行了改进，保留了子树的完整结构，基于分析的历史结果动态构建各个语篇单元（elementary discourse unit, EDU）对应的子树，并用图注意力网络（graph attention network, GAT）获取更好的向量表示。在关系识别任务上，我们使用融合边特征的图注意力网络（edge-featured GAT）取代现有的分层序列标注模型。和现有的基于transition机制或图模型的方法相比，我们的模型在不同语言、不同领域的数据集（RST-DT、SciDTB、CDTB）上取得了更好的性能。