随着计算机技术和互联网的迅速发展,各种信息呈爆炸式增长,人们对信息精确定位的需求促进了自然语言处理技术的研究。指代消解是自然语言处理的重点和难点之一,在文本摘要、机器翻译、多语言信息处理和信息提取等诸多应用中都涉及到指代消解问题。而指代消解又综合了多种自然语言处理技术,它的解决依赖于词性标注、命名实体识别、名词短语识别、句法分析等相关技术。本文深入分析了现有的指代消解技术并进行了归类总结,并参考Soon(2001)给出的基于机器学习的指代消解框架,实现了一个指代消解的原型系统。在MUC-6和ACE2003上的实验结果表明,本文原型系统优于同类型的系统。由于指代消解是基于篇章的,引入句子含义将有助于指代关系的确定。本文主要针对与指代消解关系密切的语义信息展开,将语义类别、语义角色和语义相似度信息引入指代消解过程,并对每一种语义信息的作用都进行了详细的实验和分析。实验表明,在原型系统中分别加入上述三种语义信息后系统的性能均有所提高,三种语义信息结合后加入原型系统中达到了最好的效果,在ACE2003_NWIRE语料上的F值可以达到58.8,比原型系统提高4.6个百分点。说明这三种语义信息有利于指代消解问题的解决,且具有一定的互补性。最后本文给出了在其它语料中加入上述三种语义信息前后的实验结果,实验表明相关语义信息同样有助于其它语料中指代关系的确定,具有相当的普遍意义。