Évaluation de la cohérence discursive basée sur le Neural RST

Cet article évalue l'utilité des arbres et des relations de la Théorie de la Structure Rhétorique (RST) dans l'évaluation de la cohérence du discours. Nous montrons que l'intégration de caractéristiques RST d'argent peut améliorer la précision lors de la classification de la cohérence. Nous démontrons cela à travers notre modèle neuronal récursif basé sur les arbres, appelé RST-Récursif, qui exploite les caractéristiques RST du texte produites par un analyseur RST d'avant-garde. Nous évaluons notre approche sur le Corpus Grammarly pour la Cohérence du Discours (GCDC) et montrons que, lorsqu'elle est combinée avec l'état actuel de l'art, nous pouvons atteindre une nouvelle précision d'état de l'art sur ce banc d'essai. De plus, lorsqu'il est utilisé seul, RST-Récursif atteint une précision compétitive tout en ayant 62 % moins de paramètres.