揭示复杂网络度量与词义之间的关系

词义消歧（即识别具有多重含义的单词在特定语境下使用的是哪种含义）对于机器翻译和信息检索等应用至关重要，也是发展所谓语义网的关键步骤。人类可以直截了当地进行词义消歧，但这并不适用于计算机。在本文中，我们通过将文本视为复杂网络来解决词义消歧（WSD）问题，并表明通过刻画歧义词周围的局部结构可以区分词义。我们的目标并非获得最佳的消歧系统，但我们发现，在一半的情况下，我们的方法优于传统的浅层方法。我们表明，词的层次连通性和聚类通常是 WSD 最相关的特征。此处报告的结果阐明了复杂网络的语义参数与结构参数之间的关系。结果还表明，当与传统技术相结合时，复杂网络方法可能有助于增强大文本中的词义区分能力。