零指代是一种特殊的语言现象,是指为了保证语言的连贯性而省略的并且可以通过上下文推断出的语言单元。该省略的语言单元在句子中承担相应的句法成分,并且可以和前文中一个或者多个名词短语等语言单元构成指代关系。由于汉语自身的语言特性,使得零指代现象在中文中非常常见。因此,中文零指代消解对于中文自然语言理解十分重要,是中文自然语言处理重要的基础任务之一,对句法分析、语义角色标注、机器阅读理解、机器翻译等其他下游任务都有着非常重要的作用。中文零指代消解通常可以分为两个子任务,一是零代词的识别,二是零代词的消解。本文利用神经网络的方法针对这两个子任务分别展开研究,并且最终采用联合模型将其组合以提高系统的性能。本文的主要工作包含以下三个方面:(1)基于深度学习的中文零代词识别模型。本文提出了一种基于深度神经网络的零代词识别方法,利用注意力机制去捕获句子中的语义信息,对句子中蕴含语义信息更多的词语分配更高的权重,同时利用Tree-LSTM去挖掘句法结构信息,最后通过两者的融合特征识别零代词。实验结果表明,本文提出的方法能够有效提升中文零代词的识别效果。(2)基于Bert网络和双仿射机制的中文零代词消解模型。本文采用Bert网络代替传统的LSTM特征编码层,获取信息更为准确丰富的特征表示。在对候选先行词进行表示时,利用自注意力机制对候选先行词的全局信息进行建模。最后,通过双仿射机制进行消解分类。实验结果表明,Bert网络能够充分提取文本中的特征信息,并且通过双仿射机制能够更好的学习零代词和候选先行词之间的交互信息进行消解分类,本文提出的模型有效提升了消解效果。(3)基于Bert网络的端到端联合中文零指代消解模型。本文首先基于之前所做识别和消解中文零代词的工作,实现了一个pipeline式的中文零指代消解基准模型。考虑到这种流水线的方式会造成错误级联问题,并且忽略了识别和消解零代词过程中相关性。因此利用Bert网络作为特征抽取层,并采用联合学习的方式进行完整的中文零指代消解。实验结果表明,本文提出的端到端的联合模型有效改善了管道式模型的缺点,提升了中文零指代任务的消解效果。