例如有很多实体以代词的形式存在于文本中。上海昕瑞指代消解可以对分散在文本中各个地方的有着不同表述形式的实体或事件之间的关系进行识别,从而更好地对文本中的相关信息进行抽取。指代消解在信息抽取等自然语言理解任务中扮演着关键的角色。零指代是一种特殊的指代现象,广泛存在于中文等代词缺失的文本中。对于这些存在省略（零代词）的自然语言处理表述,人由于有着彼此类似的知识背景是能够很容易理解其中的含义的,但是对于机器来说则十分困难。因此,零指代消解在中文自然语言理解中十分重要。传统的中文零指代消解方法主要采用离散的特征向量作为输入,通过机器学习算法训练分类器,进而对零代词的先行语进行判断。这些方法对人工选择的特征有很大的依赖性,而且由于零代词语义缺失的特性,现有方法在选取先行语的过程中都忽略了语义信息。近些年,随着深度神经网络模型被不断的被成功的应用在自然语言处理领域,分布式的特征表示方法也获得了更多的重视。同传统的机器学习方法相比,分布式表示能够利用深度神经系统,逐层抽象,进而得到适用于指定智能消解仪任务的高层语义表示。上海昕瑞仪器仪表有限公司在通过深度神经网络,针对中文零指代消解任务的特点,提出四种深度学习模型（循环神经网络模型,记忆神经网络模型,注意力模型和深度强化学习模型）,上海昕瑞仪器仪表有限公司从不同角度出发提升中文零指代消解的性能。