8.1.3 指代消解
针对代词指代的复杂性，指代消解（reference resolution）的任务是要明确哪个语言表达式指示哪个实体，即确定指称表达式（referring expression）和其对应的指示物（referent）。两个指称表达式指向相同的实体，称为共指（corefer）。在文中提到一个实体后，后面就可以用代词指代该实体，实体名对于代词而言就是前件或先行词（antecedent）。在语篇中，参照前面已经提及的事物称为首语重复（anaphora）。上文中提及的人或事物，在下文中回指的方式很多，可以用代词这、那、它、他、她，也可以带上所有格或事物的部分内容。当然回指的方式要和听者或读者已经对这件事物的了解有关，这种了解可能来自上文的交代，也可能是常识性的知识，从而形成特定的语境。
指代消解具体可分为两项任务：共指消解（Co-reference Resolution）和代词首语重复消解（Pronominal Resolution）。共指消解是找到文中指向同一事物的表达方式，这些表达方式称为共指链（Coreference Chain）。代词首语重复消解任务是为代词找到其指代的事物，即它的先行词。代词首语重复消解可以看作是共指消解的一个子任务。
一、代词指代消解
明确一个代词所指代的个体，是语言理解的一项重要任务。目前的研究对代词处理有三种算法：Hobbs算法、中心（Centering）算法和log-linear算法。
（1）Hobbs算法
Hobbs算法是Hobbs（1978）提出的算法，利用的是句法分析的结果以及构词法中的性、数一致原则。Hobbs算法一般可作为代词指代消解的基准性能。
算法输入的是要消解的代词和句子的句法结构，输出是代词指代的实体或名词短语。算法的思想是从目标代词出发，沿着句法树向上直至根节点S。对于每一个找到的名词短语或根节点，按照宽度优先、从左到右的次序检索该节点的子节点，直至目标代词的左侧。通过检测名词短语和目标代词在性、数和人称方面的一致性来判断候选短语是否是指代的内容。如果在一个句子中没有找到指代内容，则顺序检索更前面的句子。
下面是算法实现的主要步骤：
1）从支配目标代词的名词短语开始向上检索；
2）找到第一个NP或句子根节点S，称该节点为X，找到X时经过的路径为p；
3）按照宽度优先，从左到右的原则遍历X的所有子节点，到p的左侧。将所有遇到的含有NP或S节点的NP节点作为候选先行词；
4）若节点X是句子中的最上层节点S，按照新旧原则遍历前一个句子的句法结构数，最近的先遍历，都是按照宽度优先、从左到右的搜索原则进行。遇到NP节点时，就作为候选先行词。如果节点不是最上层节点，进行步骤5；
5）从节点X向上检索直至遇到第一个NP或S节点，称这个新节点为X，称找到X经过的路径为p；
6）如果X是NP，同时如果到X的路径p没有经过X直接支配的名词节点，将X作为候选先行词；
7）遍历X节点下的所有分支至路径p的左侧，搜索原则不变；
8）如果X是根节点，遍历X的所有分支到路径p的右侧，但不要检索遇到的NP或S节点的分支。将遇到的所有的NP作为候选先行词；
9）回到步骤4。
一般的句法分析工具能够给出单复数及人称信息，但是没有性的信息，所以，使用Hobbs算法时一般还要用另外的工具来确定名词短语的性。一般的确定名词短语的性的方法是提取名词短语中的头名词（head noun），再利用Wordnet找到头词的上位词，通过上位词给出的信息得到性的信息，比如上位词是“female”表明名词的性是雌性。也有研究者公开了自动提取的大量名词及其性的对应列表（Bergsma & Lin，2006），使得识别名词短语性的工作得以简化。
Hobbs算法作为经典的代词指代消解的算法对句法分析结果的依赖性很强，但目前自动句法分析工具的准确率都还不高，限制了算法的性能。
二、共指消解
共指消解的任务是明确所有名词短语指向的共同实体。指代消解中的loglinear分类器也可以用于共指消解。给定回指和潜在的先行词，利用二值分类器判断二者之间是否是共指关系，每一个NP都和前面出现的NP进行这样的判断。常用的训练共指消解分类器的特征有：
· 回指词的编辑距离：即从潜在的先行词到回指词之间的基于字符的最小编辑距离，即插入、删除和替换的字符的次数
· 先行词的编辑距离：从回指词到先行词之间的最小编辑距离
· 是否别名（true或false）：两个NP是否是相同类型的命名实体，而且一个是另一个的别名。所谓别名和类型有关，两个日期如果指的是同一个日期则构成别名；如果类型是人名，则除去人名前的称谓后，检查是否是同一个人；如果是机构名，则检查是否是缩略语，比如IBM和International Business Machines Corp，就构成别名关系
· 是否同位关系（true或false）：回指和先行词之间构成句法上的同位语关系
· 语言形式：回指词的语言形式包括是否专名，是否为明确描述（definite description），是否是不定名词短语（indefinite NP），是否是代词
也有学者从语言学角度对英文基本指代表达方式进行了研究，发现五种基本指代表达式的类型：不定名词短语（indefinite noun phrase）、确定名词短语（definite noun phrase）、代词（pronoun）、指示代词（demonstrative）、名称（name）。其应用场合分别是：
· 不定名词短语：当语篇中要介绍一个新的实体时，一般使用不定名词短语，即英文中以冠词a、an表征的，也可以是量化词some，或限定词this
· 确定名词短语：确定型指代是对于读者而言已经明确的实体，或者在前面已经提及到的实体
· 代词：另一种确定型指代方式，但相比确定名词短语方式的约束条件更强，需要指代对象在语篇模型中有较高的突显度（salience）。代词和指代的实体通常距离较近，在一两个句子的跨度内。而确定名词短语的跨度能够更大。代词还可以下指（cataphora），即出现在所指对象之前。例如：Every dancer brought her left arm forward.
· 指示代词：this、that和普通代词的使用有些差别，它们可以单独使用，或后面跟指示内容。this为近端指示，表示接近；that为远端指示，字面暗示距离远或时间久远
· 名称：具体的名词，包括人名、地名、机构名等，新旧实体都可以指示
有的指代形式用于提供新信息，有的用于指代已经提及的信息。各种不同的理论研究不同指代形式和提供信息差异之间的关系。如给予层次（givenness hierarchy）（Gundel et al.，1993）、接近级别（accessibility scale）（Ariel，2001）、听者状态和语篇状态理论（Prince，1992）。
三、代词首语重复消解
代词首语重复消解任务是给定代词及其上文，找出代词指代的上文中的实体。一般的方法是：首先对指代对象进行过滤，常用于过滤的依据包括数的一致性原则（代词和指代对象的单复数形式应该一致）、人称一致性原则（英语中第三人称和代词对应）、性一致性原则（代词的性和实体的性对应）和绑定理论约束（指代关系受指代表达和可能的先行词之间的句法关系约束）（Chomsky，1981）。例如：
John bought himself a new Ford. (himself = John)
John bought him a new Ford. (him≠John)
John said that Bill bought him a new Ford. (him≠Bill)
John said that Bill bought himself a new Ford. (himself = Bill)
He said he bought John a new Ford. (He≠John, he≠John)其他解释代词指代内容的优选条件还有：
· 新旧程度（recency）：最近提及的实体比较早提及的内容更容易突显
· 语法角色（grammatical role）：实体突显的层次是根据指代表达的语法位置排序的，主语位置的实体通常比宾语位置的实体更突显，而宾语位置的实体则较后面位置的实体突显。例如：
Billy Bones went to the bar with Jim Hawkins. He called for a glass of rum.[He = Billy]
· 重复提及：上文中核心内容在下文中也更可能被再次提及，再次提及也更容易使用代词的形式
· 并列化：并列指代更倾向于上文的并列结构，且有对应关系
· 动词语义：一些动词的语义重点在特定位置的论元上，使得下文对代词的解释存在一定的偏好。例如：
John telephoned Bill. He lost the laptop. [He = John]
John criticized Bill. He lost the laptop. [He = Bill]
· 选择约束：动词放置论元的位置也有助于消解指代歧义。例如：
John parked his car in the garage after driving it around for hours.
句子中it指car而不是garage，因为it跟在动词driving后面，而garage是不能drive的。
这些语言学研究的成果都被用于代词首语重复消解任务，不难看出任务的复杂性。由于对现有句法分析工具的依赖，只有复杂语言学的理论支撑才能进行代词指代的歧义分析，因此在机器翻译质量评测中，都没有将代词指代的准确性问题独立处理。