通过运用认知科学中的教学法和实用主义解决自然语言中的指称歧义，提高了机器人学习者在模拟机器人任务（堆叠）中的样本效率。

Sep, 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

通过实施一种神经符号系统，利用最佳的两个领域，我们正在使用 PronounFlow 这一系统来读取任何英文句子中的代词和实体，确定它们之间是否有联系，并提供使用哪些代词以避免偏见的建议。实验表明，PronounFlow 不仅根据我们周围的人类集体知识来交替使用句子中的代词，还在代词消岐过程中极大地帮助了共指消解系统。

Aug, 2023

该研究提出采用局部语境和全局对话主题相结合的方法，通过添加主题规范化，有效解决了语境外的指代问题，特别是外指代代词的处理。

Sep, 2021

本文提出了一种混合模型，通过将多个基于规则的筛子与针对代词的机器学习筛子相结合，解决了代词消解的挑战。该方法在 400 个文档的波斯语语言语料库中蕴含着出色的性能，并通过与先前模型的比较证明了其有效性。

Nov, 2022

利用眼动数据和词性标注器，并通过具有区分能力的特征表明解决代词消歧的方式可提高 it 自动分类的准确性。

Jun, 2020

研究了指示代词作为指示物用于指称一个或多个从句的解释。

Aug, 1997

研究使用多语言翻译技术在虚拟助手中嵌入多元化，解决人称代词翻译偏差问题的实践方案。

Apr, 2023

本文提出了一种新颖的方法来识别 pleonastic 代词的使用，通过对网络进行一系列查询和使用简单的句法规则来识别离位情形，该方法在四组新闻文章中得到了评估。

Jan, 2014

本文提出了一个包含两层模型的代词共指消解模型，使用了上下文信息以及外部知识，其中一个使用注意力机制的知识模块被设计来根据不同的上下文内容确保模型能够使用合适的外部来源。实验结果表明，该模型的有效性和优越性优于现有的模型。

May, 2019