指代消解是自然语言处理的重点和难点之一,在信息抽取,文本摘要等应用中都涉及到指代消解问题。待消解项识别是指代消解的一个子任务,是制约指代消解性能的关键要素之一,也是目前指代消解研究的一个重要内容。本文深入探讨了多种待消解项识别方法,如规则方法、特征方法、树核函数方法等,并重点探索了依存关系理论驱动的待消解项识别,尝试使用复合核函数将特征信息和结构化信息有机结合起来进行待消解项识别。在规则方法研究中,分析各类别待消解项所具有的特点,从语法、句法等角度归纳出较为有效的启发式规则。在特征方法研究中,为每个类别的待消解项制定既符合自身特点又包含上下文信息的特征集,使用机器学习方法构造待消解项识别分类器,将其作为过滤器加入指代消解平台,使指代消解平台的F值提高了0.8~2.2。在树核函数方法研究中,重点研究了结构化信息的获取问题,即句法树的裁剪,提出了左右扩展策略、层次延伸策略和动态扩展策略。在ACE2003英文语料上的实验表明,动态扩展策略取得了较好的效果。基于动态扩展树的待消解项识别分类器能将指代消解平台的F值提高0.6~1.7。句法树的裁剪是基于树核函数的待消解项识别方法的核心问题,本文提出了基于依存关系的句法树裁剪策略,与其他研究人员的成果相比,它能够更好的获取识别待消解项所需的结构化信息,同时能有效滤去噪音,因此基于依存关系的待消解项识别分类器取得了最佳的性能,将其作为过滤器加入指代消解平台后,基准平台的F值提高了2.4~3.6。本文还对基于树核函数的待消解项识别方法做了进一步研究,内容包括:尝试将待消解项识别分类器的判断结果作为指代消解的一个特征、基于依存树的待消解项识别研究、基于复合核函数的待消解项识别研究。