词汇歧义检测与词义消歧综述
计算与语言
2024-03-26 v1
摘要
本文探讨了自然语言处理（NLP）领域中专注于理解和解决语言歧义的技术，强调了多义性和同形异义等语言现象的复杂性及其对计算模型的影响。本文广泛聚焦于词义消歧（WSD），概述了从深度学习技术到利用WordNet等词汇资源和知识图谱的多种方法。论文介绍了词义扩展（WSE）和神经肌动方法等前沿方法，通过预测新词义来提高消歧准确率。它考察了生物医学消歧和特定语言优化中的具体应用，并讨论了认知隐喻在话语分析中的重要性。研究指出了该领域持续存在的挑战，如词义标注语料库的稀缺和非正式临床文本的复杂性。最后，它提出了未来的方向，包括使用大语言模型、视觉WSD和多语言WSD系统，强调了在解决NLP中词汇复杂性方面的持续演进。这种思考视角突显了该领域的进步，以使计算机能够更准确地理解语言。
引用
@article{arxiv.2403.16129,
title = {A Survey on Lexical Ambiguity Detection and Word Sense Disambiguation},
author = {Miuru Abeysiriwardana and Deshan Sumanathilaka},
journal= {arXiv preprint arXiv:2403.16129},
year = {2024}
}
备注
6 pages, 5 figures, 3 tables, Accepted by 20th IEEE International Colloquium on Signal Processing & its Applications (CSPA 2024)