长期以来，共指消解领域的一个挑战是如何整合实体级别的信息——即在提及簇（mention clusters）而非提及对上定义的特征。我们提出了一种基于神经网络的共指系统，该系统为共指簇对生成高维向量表示。通过这些表示，我们的系统能够学习何时合并簇是合适的。我们使用一种学习搜索算法来训练该系统，使其学会哪些局部决策（簇合并）将导致最终得分较高的共指划分。尽管使用的手工设计特征较少，该系统在CoNLL 2012共享任务数据集的英语和汉语部分上的表现显著优于当前最先进的方法。