SPNet卷积网络

跨语言共指

一种串行并行卷积神经网络模型，兼顾隐特征提取与长程决策，提升跨语言共指消解性能。

Jia, Zixi · Tianli, Zhao · Ru, Jingyu · Yanxiang, Meng · Bing, Xia

Computer Speech and Language 2025

参数信息

共指消解性能提升

0.3 %

技术优势

能抓隐特征

串并行卷积结构专门提取隐藏特征，这些特征对判断指代关系至关重要。

显式考虑长期影响

模型设计考虑了先前候选先行词对后续决策的长期影响，而这一因素在以往模型中被忽视。

和强化学习结合

利用强化学习的特性解决中文零代词消解问题，在该任务上取得了优异表现。

应用场景

• 跨语言共指消解：直接用于跨语言场景下的指代消解，提升多语言文本理解。
• 零代词消解：专门提升中文等省略主语语言中的零代词识别与还原能力。
• 自然语言理解：作为底层组件增强指代信息提取，辅助下游阅读理解与信息抽取。