# Word-Level Coreference Resolution

**Authors:** Vladimir Dobrovolskii  
**arXiv:** [2109.04127](https://arxiv.org/abs/2109.04127)  
**Date:** 2021-09-09  
**Summary page:** https://www.summarizepaper.com/fr/paper/2109.04127v1/

## Key points

- Les modèles récents de résolution de coréférence se basent sur les représentations de spans pour trouver des liens entre les spans de mots.
- Pour rendre cette approche réalisable sur le plan computationnel, des techniques d'élagage sont nécessaires en raison du nombre élevé de spans et de liens potentiels.
- Proposer de considérer les liens entre les mots individuels plutôt que les spans réduit la complexité du modèle à O(n^2) et permet d'examiner toutes les mentions potentielles.
- Le modèle proposé surpasse significativement SpanBERT pour la résolution de coréférence par RoBERTa, tout en étant compétitif avec d'autres systèmes sur le benchmark OntoNotes.
- L'article "Word-Level Coreference Resolution" propose une approche novatrice qui simplifie le processus tout en maintenant des performances compétitives, acceptée à EMNLP-2021 et publiée dans les actes de la conférence.
- En utilisant des liens au niveau des mots individuels, l'auteur montre comment son modèle peut surpasser SpanBERT avec RoBERTa tout en conservant une efficacité élevée.
- En conclusion, cette étude ouvre la voie à une nouvelle approche plus efficace et performante pour la résolution de coréférence au niveau des mots, ce qui pourrait avoir un impact positif sur le développement futur des modèles dans ce domaine.

## Summary

Les modèles récents de résolution de coréférence s'appuient fortement sur les représentations de spans pour trouver des liens de coréférence entre les spans de mots. Cependant, avec un nombre de spans en $O(n^2)$ dans la longueur du texte et un nombre potentiel de liens en $O(n^4)$, diverses techniques d'élagage sont nécessaires pour rendre cette approche réalisable sur le plan computationnel. Pour remédier à cela, nous proposons plutôt de considérer les liens de coréférence entre les mots individuels plutôt que les spans de mots. Cette approche réduit la complexité du modèle de coréférence à $O(n^2)$ et lui permet d'examiner toutes les mentions potentielles sans en éliminer aucune. De plus, nous démontrons qu'avec ces changements, notre modèle surpasse significativement SpanBERT pour la résolution de coréférence par RoBERTa. Bien qu'étant hautement efficace, notre modèle se comporte compétitivement avec les systèmes récents de résolution de coréférence sur le benchmark OntoNotes. L'article "Word-Level Coreference Resolution" par Vladimir Dobrovolskii propose une approche novatrice qui pourrait avoir un impact significatif sur le domaine en simplifiant le processus tout en maintenant des performances compétitives. Cette recherche a été acceptée à EMNLP-2021 et publiée dans les actes de la conférence sur Empirical Methods in Natural Language Processing (pp. 7670-7675). En utilisant des liens de coréférence au niveau des mots individuels plutôt que des spans, l'auteur montre comment son modèle peut surpasser SpanBERT avec RoBERTa tout en conservant une efficacité élevée. En conclusion, cette étude ouvre la voie à une nouvelle approche plus efficace et performante pour la résolution de coréférence au niveau des mots, ce qui pourrait avoir un impact positif sur le développement futur des modèles dans ce domaine.