本文旨在通过回顾研究中所采用的数据集、评估指标和研究方法来澄清名词消解中两个任务的范围，以提供对此 NLP 问题的清晰理解和需要关注的问题。

May, 2018

该研究综述了核指消解领域的现有语料库和评估指标，提供了基于规则的方法到最新的深度学习技术的核指算法概述，并调查了波斯语的核指消解和代词消解系统。

Nov, 2022

本文探索了如何利用不同类型的知识图谱来更好地解决代词共参问题，并提出了一种知识注意力模块，以选择性地使用信息化知识来增强模型，实验结果表明，在不同领域的两个数据集上，我们的模型优于现有技术，并在跨领域的情况下也表现出更好的性能。

Jul, 2019

本文基于暴力死亡叙述数据，使用概率数据编程框架开发一组数据增广规则，有效提高核指代消解模型在 LGBT 人群数据中的准确性。

Apr, 2021

本文介绍了一个新的，包含孟加拉语文本核指标注的数据集 BenCoref，并对使用 BenCoref 训练的多种模型进行了评估。该文指出文本领域的变化对孟加拉语核指现象产生了影响，并强调了更多特定语言资源的需要。

Apr, 2023

本文认为使用 MRC 数据集评估 coreference reasoning 能力是有限的，提出了更能反映 coreference reasoning 挑战的 MRC 数据集构建方法，并使用先前 coreference resolution 数据集中的自然现象，展示了训练 MRC 模型的有效方式，并取得了 state-of-the-art models 的改进。

Dec, 2020

本文提出了一个使用弱监督技术的解析图片故事中指代关系的新技术，建立了包含核心链的图像文本数据集，并证明了该技术对提高图像叙事的效果。

Nov, 2022

提出了一种基于谓词模式和受限优化框架的代表性算法，用于解决自然语言理解中的指称消解问题，特别是针对代词的困难实例。该算法通过无监督方式获取知识，编译自动约束，显著提高了 “Winograd-style” 难例的性能，并在标准指称消解数据集上表现出最先进的水平。

Jul, 2019

本文旨在从多个句子构成的文档中提取关系事实。通过使用异构图构建和核心指代消解处理，作者提出了一个基于图推理网络的注意指代消解的方法来增强语义信息和降低噪声，并在 DocRED，DialogRE 和 MPDD 三个公共数据集上进行了实验，证明其在文档关系抽取领域超越了目前最先进的技术水平。

Feb, 2022

研究提供了一份跨来源、语言和国家的事件共参考数据集，并分析了多语言语料库的表现和贡献，发现近一半文档中的事件提及与其他事件提及共现，这不可避免地导致了错误或部分事件信息，事件核共参考可以帮助解决这一问题并减少错误。

Mar, 2022