本文提出了一种新颖的基于重构的方法来解决神经机器翻译中省略代词问题，自动提取并重构源语句使得神经机器翻译模型能够更好地嵌入被注释的代词信息，该方法显著和一致地提高了中英和日英对话翻译任务的翻译性能。

Jan, 2018

本文提出了一种半监督方法，通过建立自动生成标注数据的 Dropped Pronouns 识别模型和基于深度学习的 DP 生成模型在翻译中识别并补充可能遗漏的代词，实验结果表明，该方法在翻译性能上有了显著提升。

Apr, 2016

本文提出了 DiscProReco，一种神经模型，用于联合恢复 DPR 和对话语篇分析 CDP，并进一步证明 DPR 和 CDP 之间的相关性。DiscProReco 利用有向图卷积网络来编码对话中的 utterance，使用 biaffine 分类器构建对话语篇图，并使用 multi-relational GCN 来产生增强过的语篇关系，同时结合了 token 状态和 utterance 状态作为 dropped pronoun recovery 的输入。实验结果表明，DiscProReco 明显优于两种任务的最先进基线。

Jun, 2021

本文介绍了一种基于结构化关注机制的端到端神经网络模型，用于恢复中文会话数据中省略代词的指代。通过实验结果表明，该模型能够在三种不同类型的会话数据上显著提高省略代词恢复的效果。

May, 2019

本文提出了一种统一且考虑话语的零代词（Zero pronouns, ZPs）翻译方法，利用神经网络实现对 ZP 的预测和翻译，并采用分层神经网络来利用话语上下文，实验结果表明该方法在中英和日英语料数据上显著提高了机器翻译和 ZP 预测的准确性，尤其是缓解了主观 ZPs 带来的误差。

Sep, 2019

本研究提出了一种基于跨语言枢轴技术的新颖方法，用于自动生成高质量的性别标签，并展示了这些数据可用于微调 BERT 分类器，该分类器对于西班牙语中丢失的女性代词具有 92％的 F1，相比之下，神经机器翻译模型和非微调 BERT 模型分别为 30-51% 和 54-71％。我们使用来自我们分类器的标签来增强神经机器翻译模型以改进代词翻译，同时仍具有可并行化的翻译模型，可以逐句翻译。

Jun, 2020

本文介绍了 2016 年 WMT 跨语言代词预测共享任务的设计、评估设置和结果，该任务是一个分类任务，参与者需要对目标语言文本中的占位符值提供替换代词类别标签的预测。提供了四个子任务，英法、英德之间互译，11 个团队参与该任务。深度循环神经网络表现出色，大多数提交结果超过了两个强语言模型基线系统的表现。

Nov, 2019

这篇研究综述了神经革命之后对于零代词翻译的研究进展，提供了基于演化、数据集、方法和评估的文献组织。另外，该文比较并分析了不同基准测试上的竞争模型和评估指标，找到了一些有见地的发现，例如大语言模型的发展趋势与零代词翻译相一致，而数据限制会造成学习的偏差，而先进的方法离实际应用仍有很大差距等。

May, 2023

本研究采用深度强化学习模型，集成局部和全局决策，学习选择先前预测的先行词的策略，以在中文零代词消解中提高准确性。在 OntoNotes 5.0 数据集上的实验结果表明，本技术超过了最先进的模型。

Jun, 2018

该研究提出了一种新的零代词特定神经网络，通过利用语义层面上的上下文信息来表示零代词，并使用两级候选人编码器来明确捕获候选人的本地和全局信息，实验结果表明，在各种实验设置中，我们的方法明显优于现有技术。

Apr, 2016