摘要: 事件同指消解在自然语言理解中是一项复杂的任务，它需要在理解文本信息的基础上，发现其中的同指事件。事件同指消解在信息抽取、问答系统、阅读理解等自然语言任务中均有重要作用。该文提出了一个事件同指消解框架，包括事件抽取（ENSNN）、真实性识别（ENSNN）和事件同指消解（AGCNN）三个部分。事件同指消解模型（AGCNN）利用注意力池化机制来捕获事件的全局特征，利用门控卷积抽取复杂语义特征，提高了事件同指消解的性能。在KBP 2015和KBP 2016数据集上的实验结果表明，该文提出的方法优于目前最优的系统。