本論文では、修辞構造理論（RST）の木と関係がディスコースの一貫性評価における有用性を評価しています。私たちは、銀標準のRST特徴量を組み込むことで一貫性分類の精度が向上することを示しています。このことを、最先端のRSTパーサーによって生成されたテキストのRST特徴量を利用した木再帰ニューラルモデル、すなわちRST-Recursiveを通じて実証します。当該手法はGrammarly Corpus for Discourse Coherence（GCDC）で評価され、現行の最先端手法と組み合わせることで、このベンチマークにおいて新たな最先端の精度を達成できることを示しています。さらに、単独で使用した場合でも、RST-Recursiveは62%少ないパラメータ数で競合する精度を達成しています。