エンティティレベルの分散表現を学習することによる共参照解決の改善

共参照解決における長年の課題は、エンティティレベルの情報の組み込みであり、これはメンションのペアではなくメンションのクラスターに対して定義された特徴です。我々は、共参照クラスターのペアに対して高次元ベクトル表現を生成するニューラルネットワークベースの共参照システムを提案します。これらの表現を使用して、我々のシステムはクラスターを結合することが望ましい時期を学習します。我々は、地元の決定（クラスターのマージ）が高スコアの最終共参照パーティションにつながるかを教える学習検索アルゴリズムを使用してシステムを訓練します。このシステムは、手動で設計された特徴が少ないにもかかわらず、CoNLL 2012 Shared Taskデータセットの英語および中国語部分において現在の最先端を大幅に上回ります。