学会忽略：基于有限记忆神经网络的长文档共指消解

长文档共指消解任务由于当前模型对内存和运行时间的高要求，仍是一项具有挑战性的任务。近期有研究通过仅利用实体的全局表示进行增量式共指消解，展现出实际应用优势，但该方法需要将所有实体保留在内存中，这对长文档而言可能不切实际。我们认为，将所有实体长期驻留内存是不必要的。为此，我们提出一种内存增强型神经网络，该模型仅在任意时刻跟踪有限数量的实体，从而保证了模型运行时间与文档长度呈线性关系。实验结果表明：（a）该模型在OntoNotes和LitBank数据集上，性能与高内存和高计算开销的模型相当；（b）模型能够自动学习高效的内存管理策略，其表现显著优于基于规则的管理方法。