초록
장기간 동안 공통 참조 해결의 주요 과제 중 하나는 실체 수준 정보의 통합이었습니다. 이는 언급 쌍 대신 언급 클러스터 집합에 대해 정의된 특성을 의미합니다. 본 연구에서는 공통 참조 클러스터 쌍에 대한 고차원 벡터 표현을 생성하는 신경망 기반 공통 참조 시스템을 제시합니다. 이러한 표현을 사용하여, 시스템은 클러스터를 결합할 때 유리한 상황을 학습합니다. 우리는 시스템을 학습-탐색 알고리즘으로 훈련시키는데, 이 알고리즘은 어떤 지역적 결정(클러스터 병합)이 최종적인 높은 점수의 공통 참조 파티션으로 이어질지를 가르칩니다. 이 시스템은 수작업으로 설계된 특성이 거의 없는 상태에서 영어와 중국어 부분에 대한 CoNLL 2012 공유 작업 데이터셋에서 현존하는 최고 수준의 성능을 크게 초과하였습니다.