Abstrakt
Word sense disambiguation (WSD) är uppgiften att bestämma ordets mening enligt dess sammanhang. Många befintliga WSD-studier har använt ett externt kunskapsbaserat oövervakat tillvägagångssätt eftersom det har färre orduppsättningsbegränsningar än övervakade metoder som kräver träningsdata. I detta dokument föreslår vi en ny WSD-metod för att generera sammanhanget för ett tvetydigt ord genom att använda likheter mellan ett tvetydigt ord och ord i inmatningsdokumentet. För att utnyttja vår WSD-metod föreslår vi dessutom en ny beräkningsmetod för ordets likhet baserad på babelnets semantiska nätverksstruktur. Vi utvärderar de föreslagna metoderna på SemEval – 13 och SemEval-15 för engelska WSD-dataset. Experimentella resultat visar att den föreslagna WSD-metoden avsevärt förbättrar baslinjen WSD-metoden. Dessutom överträffar vårt WSD-system de toppmoderna WSD-systemen i Semeval-13-datasetet. Slutligen har den högre prestanda än det toppmoderna oövervakade kunskapsbaserade WSD-systemet i den genomsnittliga prestandan för båda datamängderna.