---
title: "指代消解（Anaphora Resolution）"
slug: anaphora-resolution
language: zh-TW
source: https://aiterms.tw/terms/anaphora-resolution
updated_at: 2026-07-29
tags: [自然語言處理, 機器學習, 深度學習, AI基礎, AI應用]
ipas_term: false
---

# 指代消解（Anaphora Resolution）

> **你有沒有讀過一句「他把它放桌上」，卻要回頭找半天「他」和「它」是誰？**
>
> 你可以把指代消解想成幫文字找回指向對象的工作，代名詞、指示詞或模糊稱呼到底指誰，系統要把它對上。這是讓機器真正看懂句子關係的重要一步。
>
> 這很重要，因為只看單字不看關係，很多對話、文章和摘要都會誤解意思。

### 容易混淆

> **指代消解 vs 共指解析**
>
> 指代消解常聚焦在代名詞指誰。
>
> 共指解析範圍更大，包含所有指向同一實體的表達。
>
> 最關鍵的區別：共指解析是更完整的版本。
>
> **指代消解 vs 命名實體辨識**
>
> NER 是先把人名、地名、組織名找出來。
>
> 指代消解是看後面的「他、她、它」指的是誰。
>
> 最關鍵的區別：一個找名字，一個接關係。
>
> **指代消解 vs 語義分析**
>
> 語義分析看整句話大意。
>
> 指代消解看句子裡誰對應誰。
>
> 最關鍵的區別：一個看意思，一個看指向。

### 記住這句就好

> 看到「他、她、它」，系統要知道真正指的是誰。

### 實際案例

> **客服對話**
>
> 顧客說「我昨天買了那個耳機，今天它沒聲音」，系統要知道「它」指的是耳機，不是昨天或今天。
>
> **新聞閱讀**
>
> 一篇新聞裡連續提到兩位人物時，若沒有指代消解，摘要系統很容易把行動歸錯人，造成內容混亂。

### 深入了解

> **常見做法**
>
> 規則式方法會看語法和距離，機器學習方法則會看上下文、詞性和實體特徵。
>
> **難點**
>
> 代詞有時候沒有明確前文，或前文有好幾個候選對象，這時就要靠上下文和常識一起判斷。

### 指代消解在解什麼

> 指代（anaphora）是用代名詞或簡稱回頭指涉前面提過的東西。指代消解就是判斷它到底指誰。
>
> 「小明把書給小華，因為**他**看完了。」這個「他」是小明。
> 「小明把書給小華，因為**他**想看。」這個「他」是小華。
>
> 兩句話的結構完全一樣，判斷卻相反。差別在於「看完了」與「想看」這兩個動詞暗示的常識。這說明指代消解不能只靠語法規則，需要語意甚至世界知識。

### 幾個相關但不同的詞

| 名稱 | 英文 | 差別 |
| --- | --- | --- |
| 指代消解 | anaphora resolution | 找出代詞指向前文的哪個對象 |
| 共指消解 | coreference resolution | 找出全文所有指向同一實體的詞，範圍更大 |
| 後指 | cataphora | 代詞出現在被指對象之前 |
| 零指代 | zero anaphora | 主詞被省略，中文極為常見 |

> 最後一列是中文處理的最大難點。中文常常直接省略主詞：「小明走進房間，坐下來，打開電腦。」後兩個動作的主詞都不見了，但人類自然知道是小明。英文必須寫出 he，中文不用，所以中文的指代消解要多處理一整類英文沒有的問題。

### 為什麼它在 AI 應用裡很重要

> **多輪對話。** 使用者說「幫我查台北的天氣」，接著說「那高雄呢」，再說「明天的呢」。系統必須知道第三句省略的是「高雄的天氣」。對話系統的上下文理解，本質上就是連續在做指代消解。
>
> **檢索增強生成的查詢改寫。** RAG 系統拿使用者這一輪的問題去檢索，如果問題是「它的價格是多少」，直接拿去搜完全搜不到東西。所以正式的 RAG 流程會先做查詢改寫，把代詞還原成完整實體再檢索。這一步做不好，後面的檢索與生成都白搭。
>
> **資訊抽取。** 從一篇報導抽出「某公司宣布某事」，如果文中後半都用「該公司」「其」代稱，不做消解就抽不完整。
>
> 大型語言模型在這件事上表現已經相當好，因為注意力機制天然適合處理長距離依賴。但在長文件、多實體、跨段落的情況下仍會出錯，需要驗證的場合不能完全信任。

### 情境判斷

> **Q1（直覺題）：** 句子裡的「她」很明顯就是前面提到的那位老師，這算不算指代消解？
>
> → 算，因為系統要把代名詞對回正確對象。
>
> **Q2（判斷題）：** 如果一段文字裡有兩個人名都很近，系統還能保證一定判對嗎？
>
> → 不能，這要看情況。候選對象越多、上下文越長，判斷就越難。

### 常見問題

> **Q：指代消解一定要用深度學習嗎？**
>
> 不一定，簡單場景規則就夠，但複雜文本通常需要更強的模型。
>
> **Q：跟共指解析到底差在哪？**
>
> 共指解析更完整，指代消解常可視為其中一部分。
>
> **Q：這個任務很難嗎？**
>
> 很難，因為它常需要語境和常識，而不是只看單一句子。
>
> **Q：它有什麼實際用途？**
>
> 問答系統、摘要、對話系統和資訊擷取都會用到。

### 相關術語

> - **共指解析**：最接近的完整任務
> - **命名實體辨識**：先找出實體，才能更好做指代連接
> - **對話系統**：對話裡的「它、他」特別常見
> - **語義分析**：幫助系統理解句子的整體意思

---

來源：https://aiterms.tw/terms/anaphora-resolution
快查頁：https://aiterms.tw/terms/anaphora-resolution
最後更新：2026/07/29
深度解說：https://aiterms.tw/learning/what-is-anaphora-resolution