该研究通过中文话题链理论阐述了角色 - 动词的连续性如何区分了省略的代词和表述的故事角色的选择，并表明省略主语的情况下，角色 - 动词连续性比非省略主语更显著，从而证明了话题的一致性在可选省略代词的语言和情境中确实促进了代词的省略。

Sep, 2022

本论文提出了一种用于解决社交对话中省略现象的方法，通过使用端到端指针网络模型对用户发言进行补全，结合原始发言和自动补全发言来进行对话行为预测和语义角色标注任务。该方法在社交对话中分别将对话行为预测和语义角色标注的 F1 分数提高了 1.3% 和 2.5%。同时，我们提供了一个包含手动完成用户发言和手动完成后的语义角色标注的开放域人机对话数据集。

Nov, 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

本文提出两种方法将省略部分显式地编码到附加结点和边中，以解决包含省略部分的句子的表面句法表示质量较差和下游自然语言理解任务中的信息提取难题，其中一种方法适用于其他语言，如瑞典语。

Apr, 2018

通过阅读理解、指针网络和多跳计算，提出了一种新的模型来预测隐式参数，该模型良好地完成了隐式参数预测任务。

Nov, 2018

通过简单的 cloze 任务训练神经模型，提高了隐式论证预测性能，该模型利用叙事连贯性和实体显著性进行预测。

Feb, 2018

本文研究基于 NLP 和大量文本数据得到的自动化 argument mining，评估 argument 质量估计对于不同领域的通用性、与相关 argument mining 任务的相互作用以及情感对于观察到的 argument 强度的影响。作者发现不同领域的训练数据可以提高质量估计的泛化能力，在零样本迁移和多任务实验中，argument quality 在多个方面都能够得到改善，而情感对 argument quality 的影响不如人们普遍认为的那样大。

May, 2022

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

提出了一种基于问题回答 (QA) 架构的英语省略解析替代方法，单任务模型表现优于现有技术且与辅助 QA 和指代消解数据集联合训练的模型可以高效解决 Sluice Ellipsis 和 Verb Phrase Ellipsis 等英语省略现象 (效衡值从 70.00 提升至 86.01 和从 72.89 提升至 78.66)。

Aug, 2019

本研究提出了新的日语 PAS 分析模型，通过扩展标准的双向循环神经网络模型的输入和最后一层，结合多个 PAS 中的论元标签预测信息，使用池化和注意机制直接捕捉多个 PAS 之间的潜在相互作用，并成功地改善了间接依赖关系的情况下的预测准确性，并在标准的基准语料库上取得了新的最佳效果。

Jun, 2018