本文评估了修辞结构理论（Rhetorical Structure Theory, RST）树和关系在话语连贯性评价中的实用性。研究结果表明，结合银标准 RST 特征可以提高连贯性分类的准确性。我们通过一种树递归神经模型——即 RST-递归模型（RST-Recursive），展示了这一效果，该模型利用了由最先进的 RST 解析器生成的文本 RST 特征。我们在 Grammarly 话语连贯性语料库（Grammarly Corpus for Discourse Coherence, GCDC）上对我们的方法进行了评估，结果显示，当与当前最先进方法结合使用时，我们的方法可以在这一基准测试中达到新的最先进准确率。此外，即使单独部署，RST-递归模型也能实现具有竞争力的准确率，同时参数量减少了 62%。