摘要
解决抽象回指是文本理解中的一个重要但困难的任务。然而，随着表示学习的最新进展，这一任务变得更为切实可行。抽象回指的一个核心特性是它在嵌入回指句中的回指项与其（通常是非名词性的）先行词之间建立了关系。我们提出了一种基于LSTM-孪生网络的提及排序模型，该模型能够学习抽象回指项如何与其先行词相关联。为克服训练数据不足的问题，我们生成了人工的回指句—先行词对。我们的模型在壳名词解析任务上超越了现有最佳结果。此外，我们在ARRAU语料库的抽象回指子集上报告了首个基准测试结果。由于该语料库中包含名词性和代词性回指的混合以及更多种类的干扰因素，因此构成了更大的挑战。我们发现了一些模型变体，在没有针对个别回指项进行训练的情况下，对于名词性回指的表现优于基线模型，但对于代词性回指仍存在差距。我们的模型能够选择语法上合理的候选词，并且在忽略语法的情况下，利用更深层次的特征来区分候选词。