【摘要】在由于万维网中的知识爆炸式增长，并随着万维网快速兴起，万维网上的海量数据都是以自然语言形式存储的，例如：网页微博、各种论坛、空间、贴吧等等存储介质上，所以，关于一些知识获取、挖掘，信息传播，自然语言处理NLP等研究方向迅速火热，但是，由于存储在“介质”上的知识存在歧义性，这样使得自然语言处理的过程就变得复杂、困难，而且机器学习无法判断语言之间的歧义性。于是，词义消歧应运而生了。词义消歧是自 […]

【摘要】词义消歧是自然语言处理领域中的中间问题，其准确度影响着机器翻译、信息检索等研究的顺利进行，具有重要的理论研究和实际应用意义。目前已提出很多关于词义消歧的技术。有指导的消歧方法精度高，但需要大量的人工标记语料库为每个歧义词训练一个分类器，现有的词义标注语料库的规模远远不足以训练出一个实用的消歧系统；无指导的消歧方法有望克服知识获取瓶颈，但精度有待提高。在对现有文献进行深入研究的基础上，针对当 […]

【摘要】对领域知识挖掘利用的充分与否,直接影响到面向特定领域的词义消歧(Wordsensedisambiguation,WSD)的性能.本文提出一种基于领域知识的图模型词义消歧方法,该方法充分挖掘领域知识,为目标领域收集文本领域关联词作为文本领域知识,为目标歧义词的各个词义获取词义领域标注作为词义领域知识;利用文本领域关联词和句子上下文词构建消歧图,并根据词义领域知识对消歧图进行调整;使用改进的图 […]