Abstract
Word Sense Disambiguation (WSD) ist die Aufgabe, den Wortsinn entsprechend seinem Kontext zu bestimmen. Viele bestehende WSD-Studien haben einen externen wissensbasierten, unbeaufsichtigten Ansatz verwendet, da er weniger Wortsatzbeschränkungen aufweist als überwachte Ansätze, die Trainingsdaten erfordern. In diesem Artikel schlagen wir eine neue WSD-Methode vor, um den Kontext eines mehrdeutigen Wortes zu generieren, indem Ähnlichkeiten zwischen einem mehrdeutigen Wort und Wörtern im Eingabedokument verwendet werden. Darüber hinaus schlagen wir zur Nutzung unserer WSD-Methode eine neue Methode zur Berechnung der Wortähnlichkeit vor, die auf der semantischen Netzwerkstruktur von BabelNet basiert. Wir bewerten die vorgeschlagenen Methoden auf dem SemEval-13 und SemEval-15 für Englisch WSD-Datensatz. Experimentelle Ergebnisse zeigen, dass die vorgeschlagene WSD-Methode die Baseline-WSD-Methode signifikant verbessert. Darüber hinaus übertrifft unser WSD-System die hochmodernen WSD-Systeme im Semeval-13-Datensatz. Schließlich hat es eine höhere Leistung als das hochmoderne unbeaufsichtigte wissensbasierte WSD-System in der durchschnittlichen Leistung beider Datensätze.