- 作者之团：从社交网络上下文中消除姓名歧义
研究使用关联网络和 BERT 来进行实体链接和共指消解，发现在领域内语言建模预训练和出版物信息可以显著提高任务性能，提出一种新的监督聚类推断模型并在两个数据集上进行了实验证 显示其具有竞争性能。
- 多方对话中多语言指代消解
本文提出 Multilingual Multiparty Coref (MMC) 数据集用于核心参照消解任务，通过注释的转录来提供其他语言 (中文和波斯语) 的银参照数据，在英文数据中，现有的模型在 MMC 上的表现相对较差，说明 MMC - 对话中的个人实体、概念和命名实体链接
本文介绍了一种对话实体链接的工具，使用了不同于现有方法的技术来识别如人称实体和命名实体这种在对话中扮演重要角色的实体，并在实验中证明了其优于已有技术的性能。
- ACLLingMess: 基于语言信息的多专家评分器用于指代消解
本研究提出 LingMess 作为一种新型的指代消解模型，其将不同类型的指代消解案例定义为不同的类别，并针对每个类别优化多个配对评分器，取得了 OntoNotes 和其他 5 个数据集上的更好结果，从而改进了大多数类别的配对得分，并优于聚类 - 对话处理的在线共指消解：提高即时对话中的提及链接
本文提出了一种针对在线解码的指代消解方向，其针对包含对话在内的实时生成输入的场景，在每个对话轮次上，该模型接受一个话语和其过去的语境，然后查找当前话语中的提及以及它们的指代。该文章提出了基线和四个增量更新的模型，适应于提到链接范式的新设置， - ACLGPT 知道谁是谁
通过问题引导的工程方法，我们测试了更大的模型对 coreference resolution 任务的可行性，研究表明，GPT-2 和 GPT-Neo 可以返回有效的答案，但其识别 coreferent mentions 的能力受到提示敏感性 - ACL结构化跨度选择器
本研究提出了一种基于语法的结构化跨度选择模型，旨在改进自然语言处理中的跨度选择问题，经测试该模型在两种跨度预测任务中均有显著提升。
- ACL文档级联实体和关系提取任务交互建模
本研究基于一种端到端的设置，同时执行提及提取，共指解决和关系提取，并在实体为中心的评估中进行文档级别的关系提取，特别是解决了以前工作未考虑的共指解决和关系提取之间的交互问题，并提出了显式交互，即图兼容性，以发挥任务特征的作用，通过相互作用的 - EMNLP面向任务的对话系统的对话意图表示
提出了一种任务导向的对话意义表示 —— 对话意义表示（DMR），它使用一组节点和边来表示复杂的组合语义，并具有继承层次结构机制，提高了域可扩展性；利用 DMR-FastFood 数据集进行实验，提出了两个评估任务来评估差异化对话模型以及基于 - ACL基于序列到序列的文档级关系抽取方法
本文提出了一种基于序列到序列模型的方法 seq2rel，使用实体推荐技术，可以替代传统的基于流水线任务的文档级关系抽取方法来同时完成抽取实体和关系的子任务，通过在几个受欢迎的生物医学数据集上的实验，本方法表现出了比现有流水线方法更优秀的性能 - 核指代消解的图优化
通过建模文档级别的语义关系图表，该研究提出了一种非自回归学习的自然语言处理模型，以改善代词关联问题的解决性能。实验结果表明，该方法在多个基准测试场景下有显著表现提升。
- AAAI探索用于 SIMMC 2.0 挑战中的歧义检测和共指消解的多模态表示
本文研究了会话人工智能中的歧义检测和指代消解，使用 TOD-BERT 和 LXMERT 模型等对此进行了实现和对比，并得出了语言模型能够检测歧义且单模态指代消解模型可通过智能对象表示避免使用视觉组件等结论。
- CorefDRE：使用指代消解的文档级关系抽取
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 - DocAMR: 多句 AMR 表示和评估
本文介绍了一种简单的算法，可将超句级的共指标注转化为统一的图表达方式，避免了信息合并的信息损失和不协调的问题。通过改进 Smatch 度量方法，使其可以用于比较文档级别的图形，并用它来重新评估最佳发布的文档级 AMR 解析器，同时提供了一个 - 关注核心问题：将语篇连贯理论应用于跨文档指代
通过使用基于潜在嵌入空间的实体 / 事件建模和只对难负例进行训练的分类器，以及在多个语料库上训练，对跨文档基准测试进行核心参考解决方案的分类效果进行了改进。
- EMNLP事件与实体共指消解中词嵌入的综合比较
本研究在核指消解任务中探讨不同的词嵌入方法，研究表明，与嵌入维数相比，性能存在收益递减的情况，并且 Elmo 在 EvCR 和 EnCR 上表现最好，而 GloVe 和 FastText 分别在 EvCR 和 EnCR 中表现最佳。
- EMNLP生物医学领域的共指消解：综述
本文综述了生物医学领域代词消解的最新发展现状，特别关注领域特定的语境语言模型以及多个架构。
- 论指代消解中的泛化
本研究提出了一种混合训练的方法，旨在解决针对不同领域的 8 个共指消解数据集在模型的零 - shot 迁移表现上存在的问题，并构建了一个新的数据集，取得了多个最先进的结果。
- ACLGoG: 基于关系感知的图上图网络用于视觉对话
本文提出了一种新颖的关系感知图嵌入模型（GoG）用于视觉对话，该模型可以捕获对话历史中的代词和依赖关系以及问题和图像对象之间的关系，实验结果表明我们的模型在生成式和判别式的对话任务中都取得了显著的优势。
- EMNLP词级别指代消解
在对比最近的指代消解模型，并针对文本中的字跨度和潜在联系过多的问题，提出通过单个词汇之间的指代联系，重新构建字跨度来减轻计算量并出色于以前的模型。新模型在 OntoNotes 基准测试中表现出与最近的模型相当的竞争力，且在效率上显著提高。