一种基于知识的方法：通过分布选择与语义特征进行词义消歧
计算与语言
2017-03-01 v1
摘要
词义消歧改进了许多自然语言处理（NLP）应用，如信息检索、信息抽取、机器翻译或词汇简化。粗略地说，其目标是为文本中的每个词选择其最佳词义。最流行的方法之一是估计两个词义之间的局部语义相似性/相关性，然后将其扩展到文本中的所有词。最直接的方法是为每一对词义计算一个粗略得分，并选择得分最高的词汇链（我们可以想象这种穷举方法所带来的指数级复杂度）。在本文中，我们提出使用一种组合优化元启发式方法，来选择通过围绕待消歧词的分布选择所获得的最近邻。我们使用语义网络 BabelNet，在一个法语语料库上对所提方法进行了测试和评估。在所有被选用于评估的名词和动词上，获得的准确率为 78%。
引用
@article{arxiv.1702.08450,
title = {A Knowledge-Based Approach to Word Sense Disambiguation by distributional selection and semantic features},
author = {Mokhtar Billami},
journal= {arXiv preprint arXiv:1702.08450},
year = {2017}
}
备注
in French