摘要：事件作為文本信息的關(guān)鍵語義組件,對篇章的理解具有重要意義。由于事件具有自身包含信息豐富、表達(dá)方式多樣,以及在文本中分布稀疏等特點(diǎn),使得事件指代消解成為自然語言處理領(lǐng)域的一個(gè)難點(diǎn)任務(wù)。在以往的事件指代消解任務(wù)中,多借助人工提取詞匹配和句法結(jié)構(gòu)等信息,再基于這些抽取的特征進(jìn)行消解,然而這些特征并不能有效地處理具有復(fù)雜語義的事件任務(wù)。該文提出一種端到端的神經(jīng)網(wǎng)絡(luò)模型,通過多種詞表征、雙向循環(huán)神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制來學(xué)習(xí)上下文的語義內(nèi)容,從而完成事件的指代消解任務(wù)。在KBP2015、2016數(shù)據(jù)集上進(jìn)行的事件指代消解實(shí)驗(yàn)驗(yàn)證了該文給出模型的有效性。實(shí)驗(yàn)結(jié)果表明,該神經(jīng)網(wǎng)絡(luò)模型能很好地理解文本語義信息,捕捉關(guān)鍵單詞,提高事件指代消解任務(wù)的性能,最終端到端的事件指代消解性能在CoNLL評測標(biāo)準(zhǔn)下達(dá)到39.9%的F1值。