完整定義
共指解析(Coreference Resolution)是自然語言處理(NLP)中的一項重要任務,旨在識別文本中指向同一個現實世界實體的不同提及(mentions)。這些提及可以是代詞(例如:他、她、它)、名詞短語(例如:總統、那輛車)或其他指代表達式。共指解析的目標是將這些提及鏈接在一起,形成一個共指鏈,從而幫助機器理解文本的語義。
白話說明
你有沒有讀過一段文章,裡面的「他」「她」「這個東西」讓你一直回頭找前文?
你可以把共指解析想成「幫文章找出誰在指誰」:模型要判斷不同說法是不是同一個人、同一件事。
它很重要,因為語言不是每次都把名字重講一遍,能把代名詞和名詞短語接起來,機器才真的讀得懂上下文。
記住這句
找到「他」指的是誰,文章才算真正讀通。
比喻:共指解析就像一位語言偵探 -- 它在文本中找出所有指向同一個「人」或「事物」的不同稱呼,比如「小明」、「他」、「那個男孩」或「蘋果公司」、「這家科技巨頭」,把這些散落在各處的線索串起來,讓你知道它們其實都是在說同一個對象。
容易混淆
共指解析 vs 命名實體識別 vs 指代消解
共指解析:找出文本中指向同一實體的所有提及
命名實體識別:標出人名、地名、組織名等
指代消解:和共指解析很接近,常被拿來交叉使用
最關鍵的區別:NER 是「標出名字」,共指解析是「把名字和代詞接起來」。
實際案例
新聞摘要
前:系統只看見「他」「她」,不知道指的是哪位人物
後:把代詞對回前文的人名,摘要就不會斷線
客服對話
前:客戶說「它壞了」,系統不知道它是手機還是耳機
後:透過共指解析連到前一句的商品名稱,回覆就更準
演算法與應用
共指解析常和語意分析、實體鏈接、語言模型與序列標註一起使用
它在文件理解、知識抽取、對話系統和資訊擷取裡都很有價值
難點在於中文和英文都常省略主詞,模型要靠上下文推斷很多隱含關係
情境判斷
Q1(直覺題): 文章裡的「她」指回前面的「王小姐」,這是在做共指解析嗎?
是,這就是最典型的案例。
Q2(判斷題): 只要找出所有人名,就代表已經完成共指解析嗎?
不是,還要把代詞和同一實體的不同提及一起串起來。
常見問題
不只,人、地點、物件和事件都可能成為共指目標。
不一樣,語意分析更廣,共指解析更聚焦在指稱關係。
因為很多指代要靠上下文、常識和句法一起判斷。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本