词、短语和句子级的相关研究日趋成熟,篇章成为了自然语言处理领域的研究焦点之一。篇章分析旨在研究篇章特点和篇章组成单元之间的语义关系,进而从整体上理解篇章。篇章结构解析作为篇章分析的核心任务,其研究目标是依据篇章理论将篇章文本组织成结构化数据,为下游篇章级应用提供支撑。基于中文篇章连接依存树(Chinese Connective-driven Discourse Tree,CDT)理论和对应资源库CDTB,本文针对中文篇章结构自动解析问题进行了研究,具体工作包括:(1)提出了一种基于长短期记忆神经网络和图卷积神经网络组合的中文基本篇章单元(Elementary Discourse Unit,EDU)识别方法。该方法将EDU识别看作一个序列化标记任务,通过对上下文及EDU内部各成分间依存结构信息的表征来实现EDU分割点的确认,在CDTB语料上的实验验证了方法的有效性。(2)提出了一个基于神经网络和转移系统的中文篇章结构自底向上的自动解析方法。该方法将篇章树的构建过程看成状态转移过程,通过预测下一时刻的状态转移来完成篇章解析树的自动构建。在CDTB语料上的实验验证了方法的有效性。本文基于这一方法进一步探讨了篇章子结构表征策略对篇章自动解析的影响。(3)提出了一个基于指针网络的自顶向下的中文篇章结构自动解析方法。该方法将篇章层次结构的构建过程看作是对篇章单元分割点的排序过程,通过对EDU和分割点的有效表征,在编码-解码框架下融合注意力机制实现了篇章结构、关系主次和关系类别的联合学习,在CDTB语料上的实验验证了方法的有效性。(4)结合上述工作,构建了完整的端到端的篇章结构解析器,并分析了误差在各个子模块间的传播状况,以及它们对最终性能的影响。