共参照解釈における長年の課題は、エンティティレベルの情報の組み込みでした。これは、言及ペアではなく、言及クラスター全体に対して定義された特徴量を指します。本稿では、コアファレンスクラスターのペアに対する高次元ベクトル表現を生成するニューラルネットワークベースの共参照システムを提案します。これらの表現を使用することで、システムはクラスターの結合が望ましいかどうかを学習します。我々は、学習済みの探索アルゴリズムを使用してシステムを訓練し、どの局所的な決定（クラスターマージ）が最終的な高評価の共参照分割につながるかを教えています。手動で設計された特徴量をほとんど使用せずに、このシステムはCoNLL 2012共有タスクデータセットの英語および中国語部分において現行の最先端技術を大幅に上回る性能を示しています。