CONLL 2012 데이터셋을 대상으로 설계된 애나포라 해결(코어퍼런스) 시스템은 일반적으로 싱글턴(singleton)의 식별이나 특정 유형의 비지칭 표현(예: 여유 표현, expletives)의 식별과 같은 전반적인 애나포라 해결 작업의 핵심 요소를 처리할 수 없다. 이는 해당 코퍼스에 이러한 요소들이 주석화되어 있지 않기 때문이다. 그러나 최근에 공개된 CRAC 2018 공동 과제용 데이터셋은 이러한 목적을 위해 활용할 수 있게 되었다. 본 논문에서는 비지칭 표현(여유 표현, 예측적 표현(predicative s) 및 기타 유형 포함)을 동시에 식별하고, 싱글턴을 포함한 코어퍼런스 체인을 구축하는 아키텍처를 제안한다. 본 연구의 클러스터 순위 시스템은 주어진 클러스터 내의 언급들 간의 상대적 중요도를 판단하기 위해 어텐션 메커니즘을 사용한다. 추가적으로, 싱글턴과 비지칭 마크러블(markables)을 식별하기 위한 분류기들을 도입한다. 본 연구의 기여는 다음과 같다. 첫째, 우리는 시스템이 생성한 언급을 사용하여 CRAC 데이터셋에 대해 처음으로 결과를 보고한다. 이 결과는 금속 언급(gold mentions)을 사용한 공동 과제 기준 시스템보다 5.8% 높은 성능을 기록하였다. 둘째, 싱글턴 클러스터와 비지칭 표현의 존재가 비싱글턴 클러스터의 성능 향상에도 크게 기여함을 실험적으로 입증하였다. 셋째, 본 모델이 CONLL 데이터셋을 위해 특별히 설계되지 않았음에도 불구하고, Kantor 및 Globerson(2019)이 제안한 최신 상태(SOTA) 시스템과 동등한 성능을 달성함을 보였다.