NLP-文本处理：指代消解（Coreference Resolution）【回指消解（名词＜--＞代词）、共指消解（名词1＜--＞名词2）】【识别指向同一实体的不同表述】【难度较大，准确率不会太高】

忘是亡心i 2023-10-04 10:07 3阅读 0赞

共指消解（coreference resolution）技术同NER、RE。作为自然语言历届基础技术被广泛的应用于：文本摘要、机器翻译、自动问答和知识图谱等领域。

共指消解的提出是为了识别一段文本中指向同一实体的不同表述。

在自然文本中，经常出现同一个实体的不同表述．例如，“【陈奕迅】，英文名【Eason Chan】， 1974年7月出生于香港．【他】是当今华语乐坛的当红歌手．”这句+话中，【陈奕迅】、【E嬲on Ch锄】、【他】这3个表述都指向现实生活中“香港歌手陈奕迅”这一实体．共指消解正是为识别 一段文本中指向同一个实体(Entity)的不同表述(Mention)而提出的一项技术【41．这里提到 的实体是一个比较抽象的概念，在广义上讲，它对应着一个现实世界中的本体(Ontolo盱)，在 狭义上讲，它等同于知识库中的一个概念节点(Concept N0de)．而表述是指文本中指代某 个实体的词或短语，如名称、代词、缩写等．

整个共指消解的过程可以理解为——判断一个表述是否指向另一个表述的过程。

*  照应语（Anaphor）：指出的表述。
 *  先行语（Antecedent）：指入的表述。

简化的判断可如下：照应语指向先行语

根据照应语和先行语的位置不同可分为四种情况：

*  **回指**：先行语在照应语前，其中照应语为人称代词。
 *  **预指**：先行语在照应语后，其中照应语为人称代词。
 *  名词短语**共指**：先行语和照应语均为非人称代词的名词短语。
 *  先行语**分指**：一个照应语对应多个先行语。

## 一、共指的定义 ##

**指代**是一种常见的语言现象，广泛存在于自然语言的各种表达中。一般情况下，指代分为 2 种：

*  **回指**(也称指示性指代)：是指当前的照应语与上文出现的词、短语或句子(句群)存在密切的语义关联性，指代依存于上下文语义中，在不同的语言环境中可能指代不同的实体， 具有非对称性和非传递性；
 *  **共指**(也称同指)：共指主要是指 2 个名词(包括代名词、名词短语)指向真实世界中的同一参照体，这种指代脱离上下文仍然成立。

## 二、指代消解主要有两个步骤 ##

*  第一步是指代识别（mention detection），即找出句子中所有的指代，这一步相对简单；
 *  第二步才是进行真正的指代消解（coreference resolution），这一步比较难。

### 1、指代识别 ###

指代识别阶段尽量保召回率，保留所有找到的可能是指代的词，都参与后期的指代消解。如果一个指代没有找到它的共同指代（coreference），则说明这个指代是孤立的（singleton mention），有可能是指代识别阶段找到的不是指代的词，直接舍弃。

### 2、指代消解 ###

指代消解发展至今，经历了四种不同的方法，分别是：

*  Rule-based、
 *  Mention pair、
 *  Mention Ranking。

#### 2.1 Rule-based方法 ####

1976年，Hobbs提出了基于规则的朴素算法，被后人称为Hobbs算法。该方法有9个步骤，包含了很多规则，非常繁琐。Hobbs算法虽然是基于规则的，但在当时取得了不错的效果，现在也常常作为该领域的baseline模型。但是因为该方法是基于规则的，有很多指代消解没法解决。

#### 2.2 Mention pair方法 ####

Mention pair方法把指代消解问题转化为一个二分类问题。从左到右遍历句子，每找到一个指代，就把它和前面找到的每个指代作为一个pair，问分类器这个pair是否指代同一个实体，如果是的话，就把它们连起来。二分类的损失就是交叉熵。很简单的一个模型。

#### 2.3 Mention Ranking ####

每个指代同时和前面所有指代打分，用softmax归一化，找出概率最大的先行词，添加一条连边。注意需要添加一个NA节点，因为有的指代可能第一次出现，前面没有先行词，或者这个指代根本就不是一个真正的指代。

前面的内容都是假设我们计算好了任意两个指代是coreference的概率，那么，如何来计算这个概率呢？主要有三种方法，分别是Non-neural statistical classifier、Simple neural network和More advanced model using LSTMs, attention。

A. Non-neural statistical classifier。统计机器学习方法，抽取每个指代的各种特征，然后用机器学习分类器来计算两个指代是coreference的概率。这里面的特征包括人称、性别一致性，语义相容性等等。

B. Neural Coref Model。输入是候选先行词和当前指代词的词向量，还需要加入一些额外的特征（Additional Feature），也就是上面统计机器学习方法里用到的一些特征。中间是FFNN，即全连接网络，最后输出两个指代是coreference的概率。

C. End-to-end Model。end2end模型是目前指代消解的SOTA模型，它把指代识别和指代消解两个任务融合到一起，用一个模型来解决。

--------------------

参考资料：  
[共指消解（一）][Link 1]  
[NLP之共指消解总结][NLP]  
[BERT for Coreference Resolution: Baselines and Analysis][BERT for Coreference Resolution_ Baselines and Analysis]  
[NLP之共指消解总结][NLP 1]  
[共指消解/指代消解/Coreference Resolution中概念/术语的总结][Coreference Resolution]  
[知识图谱—实体对齐][Link 2]

[Link 1]: https://blog.csdn.net/qq_19672707/article/details/104430920
[NLP]: https://blog.csdn.net/u013272948/article/details/82767185
[BERT for Coreference Resolution_ Baselines and Analysis]: https://paperswithcode.com/paper/bert-for-coreference-resolution-baselines-and
[NLP 1]: https://www.pianshen.com/article/2033428303/
[Coreference Resolution]: https://blog.csdn.net/weixin_44912159/article/details/106280699
[Link 2]: https://blog.csdn.net/zkzbhh/article/details/107995329