指代消解是自然语言处理中的一个重要问题,包括专有名词、普通名词、代词的指代识别。为了解决文本中的指代问题,本文采用了基于特征向量的机器学习方法,将指代问题转换成一个分类问题,实现了一个基于机器学习的针对所有名词短语的指代消解平台。本文通过对英文原始语料进行词性标注、命名实体识别和名词短语识别等一系列预处理,选取了多个有效特征及其组合,分别采用最大熵和SVM两种分类算法对名词短语进行分类,并用MUC Scorer的评测程序进行评测,在MUC-6语料库上分别得到了F值68.0和68.1的结果。为了验证系统是否具有可移植性,本文又选用了ACE2003语料库,系统在采用SVM分类器的情况下,在BNEWS,NPAPER和NWIRE三个类别的数据源上,F值分别达到了53.1,58.4和54.2。从实验结果上看,本文所介绍的英文指代消解系统优于同类型的其它平台。在英文指代消解的基础上,本文实现了中文指代消解的系统框架,对基于机器学习的中文指代消解进行了尝试。系统采用ACE2005中文语料作为实验数据,从标注文本中抽取了部分主要特征,并通过一些简单规则识别了另外一些特征,随机抽取BNEWS语料中200篇文章作为训练集,98篇文章作为测试集,F值达到了70.83。特别是,本文系统深入地研究了特征向量及其取值方式对基于机器学习的指代消解的影响;不同机器学习方法对指代消解的影响;系统对不同语料的消解能力;中英文指代消解的相同和不同之处。通过对比实验结果,检查实验错误,分析了中英文指代消解系统的错误类型和解决方案,为接下来的研究奠定了基础。实验表明,本文的指代消解系统性能较高,对机器学习算法兼容性较强,可以解决各种类型的名词和名词短语的指代消解问题。