汉语零指代消解任务是自然语言处理领域一个重要的研究分支和研究热点,对于帮助计算机理解自然语言文本有着重要的作用。汉语零指代消解是找到汉语句子中的零指代位置所指向的先行词。传统的汉语零指代消解方法利用句子的完全句法树,通过利用词法、句法信息等来进行零指代消解,很少从语义层面进行研究。随着深度学习技术的发展,词向量作为一种语义的载体被广泛地研究和应用,同时像循环神经网络(Recurrent neural network,RNN)、长短期记忆模型(Long short-term memory,LSTM)等模型和技术也广泛地应用在自然言处理各项任务上,并取得了很好的效果。本课题提出了使用词向量和LSTM模型用于汉语零指代消解任务,分别提出了基于词向量的汉语零指代消解框架和基于LSTM的汉语零指代消解模型。利用词向量这种语义载体,从语义层面对汉语零指代消解任务进行建模和实验,取得了良好的效果,证明了利用词向量和深度神经网络模型在汉语零指代消解任务上的有效性,提供了一种汉语零指代消解的新思路。我们构建了基于词向量的线性分类框架进行汉语零指代消解任务,具体的包括关键词的提取策略,定义样本格式、训练词向量和构建线性二元分类模型等;同时为了对词向量信息和上下文信息更加有效的利用和建模,我们提出了基于双向LSTM的模型,包括构造适合汉语零指代消解任务的网络结构,对embedding的特殊处理以及各种优化方法等。实验证明本课题提出的这些方法能够有效的利用语义信息,在语义层面解决汉语零指代消解问题,与传统方法相比有着更好的效果,弥补了传统方法的不足。