---
title: "指代消解（Anaphora Resolution）"
slug: anaphora-resolution
language: zh-TW
source: https://aiterms.tw/terms/anaphora-resolution
updated_at: 2026-04-29
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。

### 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：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-anaphora-resolution