1.一种文本隐式篇章关系识别方法，其特征在于，包括：
2.根据权利要求1所述的文本隐式篇章关系识别方法，其特征在于，所述将论元拼接作为输入，使用roberta预训练模型进行编码，在外部知识融合时使用k-bert模型引入知识图谱信息辅助理解论元内实体，之后对两个论元的语义向量进行拆分的步骤包括：
3.根据权利要求2所述的文本隐式篇章关系识别方法，其特征在于，所述使用bi-lstm模型获取包含更多序列信息的各论元整体表示，得到融合了外部信息的论元计算表达式如下：
4.根据权利要求1所述的文本隐式篇章关系识别方法，其特征在于，所述仿照人类理解论元关系的过程，对论元间词汇两两配对计算细粒度线索分数，构建得到细粒度多角度线索矩阵的步骤包括：
5.根据权利要求4所述的文本隐式篇章关系识别方法，其特征在于，所述抽取对当前关系有用的线索特征进行篇章关系的类别判定的步骤，将得到的细粒度多角度线索矩阵视作为黑白图片，按下式使用卷积神经网络抽取特征：
6.根据权利要求1所述的文本隐式篇章关系识别方法，其特征在于，所述结合整体语义与对当前关系有用的线索特征联合判断关系类别，通过将线索特征与整句语义综合，获取到综合表征，输出隐式篇章关系类别的计算表达式如下：
7.根据权利要求6所述的文本隐式篇章关系识别方法，其特征在于，还包括对模型使用交叉熵作为损失函数进行训练，损失函数的计算表达式如下：
8.一种文本隐式篇章关系识别系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的文本隐式篇章关系识别方法。