حل الإشارة المجردة هو مهمة مهمة ولكنها صعبة في فهم النص. ومع ذلك، بفضل التقدم الحديث في تعلم التمثيل، أصبحت هذه المهمة هدفًا أكثر واقعية. من الخصائص الأساسية للإشارة المجردة أنها تنشئ علاقة بين الإشارة المضمنة في الجملة الإشارية ومقدمها (وهو عادةً غير اسمي). نقترح نموذج تصنيف ذكريات يتعلم كيفية ارتباط الإشارات المجردة بمقدماتها باستخدام شبكة LSTM-سامية (LSTM-Siamese Net). نتجاوز نقص البيانات التدريبية من خلال إنشاء أزواج جمل إشارية مصنعة - مقدم. حقق نموذجنا نتائج أفضل من النتائج الرائدة في حل الأسماء القشرية. كما نقدم أول نتائج معيارية على مجموعة فرعية من الإشارة المجردة في سجل ARRAU. يعتبر هذا السجل تحديًا أكبر بسبب خليط من الأسماء والضمائر الإشارية ونطاق أوسع من العوامل المشوشة. وجدنا أن متغيرات النموذج تتفوق على النقاط المرجعية للأسماء الإشارية دون تدريب على بيانات كل إشارة على حدة، لكنها لا تزال متأخرة بالنسبة للضمائر الإشارية. يختار نموذجنا مرشحين نحويين معقولين ويتميّز بين المرشحين باستخدام خصائص أعمق إذا تم تجاهل النحو.