本稿では、共参照解決タスクに対して精度が高く拡張性のあるアプローチ「CorefQA」を提案する。我々はこの問題を、質問応答（QA）と同様にスパン予測タスクとして定式化する。具体的には、各候補となる参照表現（mention）に対して、その周辺文脈を用いて質問（query）を生成し、生成された質問をもとにスパン予測モジュールを用いて文書内における共参照関係のテキストスパンを抽出する。この定式化には以下の主な利点がある：（1）スパン予測戦略により、参照表現提案段階で漏れが出たメンションも後から検出可能となる柔軟性が得られる；（2）質問応答フレームワークでは、参照表現とその文脈を明示的に質問にエンコードできるため、共参照関係にある表現の文脈に埋め込まれた手がかりを深くかつ包括的に分析することが可能となる；（3）既存の多数の質問応答データセットを活用してデータ拡張を行うことで、モデルの汎化能力を向上させることができる。実験の結果、従来モデルに対して顕著な性能向上が確認された。CoNLL-2012ベンチマークではF1スコア83.1（+3.5）、GAPベンチマークではF1スコア87.5（+2.5）を達成した。