在大型语言模型时代，词义归纳仍未解决
计算与语言
2026-03-13 v1
摘要
在缺乏语义标注数据的情况下，词义归纳（word sense induction, WSI）是词义消歧的有力替代方案，尤其适用于资源匮乏或特定领域的情境。本文重点审视当前WSI评估方法中的若干方法论问题。我们提出一种基于SemCor衍生数据集的评估方法，尊重原始语料中词义多样性与词频分布。我们对预训练嵌入和聚类算法在不同词性（parts of speech）上的表现进行评估，并提出并评估了一种基于大型语言模型（LLM）的英文WSI方法。我们评估了数据增强来源（LLM生成、语料库和词典），以及使用维基百科进行数据增强、must-link约束、每个词根的簇数等半监督情境。我们发现，无论是本文的方法还是以往方法，都未能超越强有力的“每个词根一个簇”（one cluster per lemma, 1cpl）启发式方法。我们还表明：（i）在不同词性下，结果和最佳系统可能有所差异；（ii）大型语言模型在执行此任务方面存在困难；（iii）数据增强有益；（iv）利用维基百科确实有帮助。该方法在测试集上超越了以往的最佳结果系统3.3%。WSI问题尚未解决，呼吁更好地阐明词典与大型语言模型词汇语义能力之间的关系。
引用
@article{arxiv.2603.11686,
title = {In the LLM era, Word Sense Induction remains unsolved},
author = {Anna Mosolova and Marie Candito and Carlos Ramisch},
journal= {arXiv preprint arXiv:2603.11686},
year = {2026}
}
备注
Accepted at ACL 2025 (Findings)