本文提出了一种结合视觉和文本信息的多模态跨文档事件共指解析方法，通过线性映射和集群表征提升指代消解效果。研究分析了不同模型在跨文档指代消解中的表现差异，并探讨了基于神经网络的匹配方法在实体和事件识别中的应用，旨在推动事件共指消解技术的发展。