基于多粒度信息交互和数据增强的隐式篇章关系识别

来源：计算机研究与发展杂志2025年第10期北京时间：

作者：姚浩,熊锦晖,李春生,邬昌兴,

摘要：隐式篇章关系识别旨在推导没有连接词的论元（句子或子句）之间的语义关系.现有研究证实引入短语信息能切实提升识别性能，但依然存在以下不足：1）通常依赖句法分析器且词、短语与论元之间的交互不充分；2）引入短语信息导致的数据稀疏性问题.为此，分别提出基于多粒度信息交互的隐式篇章关系识别模型MGII（multi-granularityinformationinteraction）和基于链式解码的数据增强方法DAM（dataaugmentationmethod）.所提模型通过卷积神经网络自动学习n-gram短语的语义表示，利用Transformer层显式地建模词、短语和论元之间的交互，并通过链式解码进行多级篇章关系预测.提出的数据增强方法同时预训练编码模块和解码模块，从而能有效地利用大量显式篇章关系数据.所提方法在PDTB数据集上的性能显著优于近期的基准模型，且不依赖句法分析器，具有较强的适用性.

关键词：隐式篇章关系识别, 多粒度信息交互, 数据增强, 显式篇章关系数据, 篇章分析,