เปรียบเทียบวิธี

	การระบุการอ้างถึงร่วมกัน	การตอบคำถาม (Question Answering - QA)
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1978	—
ผู้ริเริ่ม	Hobbs (1978); Lee et al. (2017, neural end-to-end)	—
ประเภท	NLP information-extraction task	NLP text-comprehension task
แหล่งต้นตำรับ	Lee, K. et al. (2017). End-to-end Neural Coreference Resolution. EMNLP.	Rajpurkar, P. et al. (2016). SQuAD: 100,000+ Questions for Machine Comprehension of Text. EMNLP.
ชื่อเรียกอื่น	coreference, anaphora resolution, Eşgönderim Çözümleme (Coreference Resolution)	QA, machine reading comprehension, Soru Cevaplama (Question Answering)
ที่เกี่ยวข้อง	4	4
สรุป	Coreference resolution is a natural-language-processing task that detects when different expressions in a text refer to the same entity — for example a name, a later pronoun, and a descriptive phrase all pointing at one person. Rooted in early linguistic work by Hobbs (1978) and advanced by the end-to-end neural model of Lee et al. (2017), it improves the quality of information extraction and text understanding.	Question answering is a natural-language-processing task that automatically answers natural-language questions grounded in a given context passage, using either extractive or generative approaches. The task was crystallised by the SQuAD benchmark of Rajpurkar et al. (2016), and later models such as XLNet (Yang et al., 2019) pushed reading-comprehension accuracy higher.