LSTMネットワークを用いたRSTディスコース木の予測に向け、さまざまな学習手法を検証した。RSTディスコース解析における主な課題は、訓練データの限定的な量にある。これを克服するため、関連するタスクからのタスク監視（task supervision）およびディスコース構造に対する複数の視点を用いた正則化手法を導入した。本研究では、単純なLSTM順次ディスコース解析器が、このマルチビュー・マルチタスクフレームワークの恩恵を受けることを示した。ベースラインと比較して、評価指標に応じて12〜15%の誤差低減が達成され、より複雑な最新のパーサーと同等の性能を発揮した。