کوریفرنس ریزولوشن کسی متن یا گفتگو میں ضمیروں یا دیگر اصطلاحات کی شناخت اور تجزیہ کرنے اور اس بات کا تعین کرنے کا عمل ہے کہ وہ کن اداروں کا حوالہ دیتے ہیں۔ نیچرل لینگویج پروسیسنگ (NLP) میں، اس کا استعمال متن کی بڑی مقدار سے بامعنی معلومات نکالنے کے لیے کیا جاتا ہے۔ یہ عام طور پر مکالمے کے نظام میں بھی استعمال ہوتا ہے، مشینوں کو انسانی زبان کو بہتر طور پر سمجھنے میں مدد کرتا ہے۔
کورفرنس ریزولوشن دو طریقوں سے کیا جا سکتا ہے: اصول پر مبنی نظام یا مشین لرننگ پر مبنی نظام کا استعمال۔ اصول پر مبنی نظام میں، کمپیوٹر کو متن میں مخصوص نمونوں کو تلاش کرنے کے لیے پروگرام کیا جاتا ہے جو کہ دیئے گئے فقرے یا لفظ کے حوالے کا تعین کرنے میں مدد کرتے ہیں۔ مشین لرننگ کی تکنیکیں ماڈلز بنانے کے لیے مختلف الگورتھم استعمال کرتی ہیں جن کا استعمال اسی طرح سے حوالہ جات کی شناخت اور حل کرنے کے لیے کیا جاتا ہے۔
Coreference Resolution کے کام کو Named Entity Recognition (NER) کی ایک شکل کے طور پر سمجھا جا سکتا ہے، کیونکہ اس میں متن کے ساتھ ساتھ ان کے رشتوں کی شناخت بھی شامل ہے۔ یہ اکثر NLP کے دوسرے کاموں کے ساتھ مل کر استعمال ہوتا ہے جیسے کہ نحوی تجزیہ اور سیمنٹک رول لیبلنگ۔
Coreference Resolution کا استعمال بہت سی قدرتی زبان کی سمجھ بوجھ (NLU) ایپلی کیشنز میں کیا جاتا ہے، جیسے بات چیت کے ایجنٹ، سمارٹ اسسٹنٹ، سوال جواب دینے کے نظام، اور معلومات نکالنے کے نظام۔ یہ ٹیکسٹ ٹو اسپیچ سسٹمز میں بھی استعمال ہوتا ہے، جس سے انہیں قدرتی آواز کے جوابات پیدا کرنے میں مدد ملتی ہے۔
کورفرنس ریزولوشن کا استعمال کرتے ہوئے NLP سسٹمز کو بات چیت کے ایجنٹوں کو پہچاننے اور سمجھنے کے دوران کارکردگی کو بہتر بنانے کے لیے دکھایا گیا ہے۔ مثال کے طور پر، ایک مطالعہ میں، ایک بات چیت کے ایجنٹ کا موازنہ اس نظام سے کیا گیا جو کورفرنس ریزولوشن کا استعمال نہیں کرتا ہے۔ نتائج سے پتہ چلتا ہے کہ بات چیت کو سمجھنے کے دوران کورفرنس سے چلنے والے نظام کی کارکردگی میں 19% اضافہ ہوا ہے۔
مجموعی طور پر، Coreference Resolution متن یا گفتگو سے معلومات پر کارروائی کرنے اور مفید معنی اور علم نکالنے کی ایک طاقتور تکنیک ہے۔ اسے مزید قدرتی مکالمے کے نظام بنانے، معلومات کے اخراج کو بہتر بنانے، اور قدرتی زبان کو سمجھنے کی صلاحیتوں کو بڑھانے میں مدد کے لیے استعمال کیا جا سکتا ہے۔