近日，我中心自然语言处理研究组和华东交通大学合作完成的论文Hierarchical Multi-task Learning with CRF for Implicit Discourse Relation Recognition被Knowledge-Based Systems（KBS）期刊录用。KBS是CCF-C类，清华-B类，JCR-2区期刊，2019年影响因子为5.101。
论文由邬昌兴（华东交通大学），胡超文（华东交通大学），李若尘（斯图加特大学），林鸿宇（中科院软件所）和苏劲松副教授合作完成。论文首先分析了现有隐式篇章关系识别模型存在的缺陷：现有模型通常训练多个分类器分别用于多个级别的隐式篇章关系识别。这种方法不但忽略了多个级别的篇章关系的语义的层次性，也没有考虑相邻级别篇章关系之间的映射信息。为此，本论文提出一种基于层次多任务学习和条件随机场的模型（HierMTN-CRF），用于多级别的隐式篇章关系识别。具体地，该模型中的层次多任务学习部件用于联合建模多个级别的篇章关系，显式地把不同级别的篇章语义关系编码到不同的特征层中；随后，引入一个基于神经网络的条件随机场层，用于建模相邻级别篇章关系之间的映射信息，从而实现协同推导多个级别的篇章关系的目的。在常用的PDTB数据集上三个级别的分类级别上的实验结果表明，论文所提的模型能显著提高识别的性能，同时提高了不同级别篇章关系的预测结果之间的一致性。
