面向句子与文档的话语表示解析

基于摘要分析。本文研究自然语言的语义解析，提出基于 Discourse Representation Theory（DRT，话语表示理论）的解析任务，并形式化定义适用于句子与文档的 Discourse Representation Tree Structures（话语表示树结构）。核心贡献是以统一框架处理不同长度与粒度的话语结构，而非 EEG 或 BCI 信号建模。 方法上，作者采用配备监督式层次注意力机制的神经模型，并结合受语言学启发的复制策略。摘要明确了结构化表示、层次注意力与复制机制这三个要素，但没有给出注意力监督的具体来源、复制对象、损失函数、训练流程或解码约束，因此尚不能据此还原实现。 作者报告，在句子级和文档级基准上的实验中，该模型明显优于有竞争力的基线。摘要未提供基准名称、数据规模与划分、评价指标、具体数值或基线配置，故无法量化优势，也无法比较两种粒度下的效果；实验协议、消融及统计信息尚未验证。 本文依赖自然语言的话语结构与语义解析监督，其机制能否对应 EEG 的具体瓶颈，现有材料不足以判断，不能将原领域结果视为 BCI 有效性的证据。已有 EEG 相关工作尚未检索确认。复现首先需要核对树结构定义、标注与监督方式、复制规则及完整评估协议。