本文探讨了在自然语言处理和语言学研究中，代词消歧通常需要应用一般语用知识和特定上下文信息，其中包括对代词引用模式进行研究。

Apr, 2022

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

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

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

通过分析第一人称代词的使用情况，尤其是抑郁症症状的严重程度，先前的研究表明可以揭示个人的心理状况。本研究利用上下文嵌入模型获得的第一人称代词嵌入，分析了这些代词的使用方式以研究心理状况，并发现上下文化的第一人称代词嵌入在预测抑郁症症状严重程度上优于标准分类标记嵌入和基于频率的代词分析结果，提示上下文化的第一人称代词表示可以增强患有抑郁症症状的人所使用语言的预测效果。

Oct, 2023

研究性别偏见对指代消解系统的影响，介绍 Winogender schemas 测试集，评估了三个公开的指代消解系统存在系统性的性别偏见，并将其与现实和文本性别统计数据相关联。

Apr, 2018

本文研究了基于社会规范转变而导致的语言变化，特别关注语言与性别的辩论。通过对德国联邦议院中的语言和性别问题进行分析，文章揭示了语言和性别在议院中是一个长期存在的议题，并讨论了此前的语言争端对当前有关性别包容性语言的激烈辩论的影响。

Feb, 2024

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

在语言模型中，个体的稳健、忠实且无害的代词使用是一个重要目标，但现有研究往往只研究其中一两个组成部分。为了衡量这一综合目标的进展，我们引入了代词使用忠实度任务：在给定引入共指实体和代词的上下文的情况下，重用正确的代词，与潜在干扰因素无关。我们提供一个精心设计的超过 500 万个实例的数据集，以评估英语中代词使用的忠实度，并将其用于评估 37 个流行的大规模语言模型，包括体系结构（仅编码器、仅解码器和编码器 - 解码器）和规模（11M-70B 个参数）。我们发现，虽然模型在没有干扰因素的情况下通常可以忠实地重用先前指定的代词，但在处理 she/her/her、singular they 和新代词时，它们的表现显著较差。此外，模型对代词的忠实性并不稳健，很容易分神。即使有一个包含干扰代词的额外句子，准确性平均下降了 34%。对于仅解码器模型，当有 5 个干扰句子时，准确性下降了 52%，对于仅编码器模型则下降了 13%。我们展示了广泛使用的大型语言模型仍然脆弱，推理能力有很大差距，对于人类来说是非常简单的代词处理设置也存在问题，我们鼓励在偏见和推理领域的研究人员加以解决这些问题。

Apr, 2024

本文介绍一种使用 Lambek Calculus 计算逻辑和 Fock Space 语义模型来处理语篇关系的方法，该方法可以通过机器学习和量子计算实现，用于需要解决代词指代的模型中具有较高的准确性。

Aug, 2022