词义消歧（WSD）通过给定的上下文来确定单词的正确意义。这是许多自然语言处理（NLP）任务中的重要中间步骤，特别对于信息提取，机器翻译等领域。一种用于消除给定句子使用的词语歧义的方法，其中该词被分类为不同的WordNet词汇类别。其是通过使用超过6000万字的巨大语料库来产生的概率模型，假设每个语句都有一个意义的概念。这是一种基于知识的方法。该论文展示了词汇界使用WordNet的一种新方法，这是现有的解决WSD问题的知识库。

 

“这项工作恢复了以前提出的方法，并将其应用于今天大规模网络生成的数据。它提供了新的见解，并开启了许多新的可能性，对于当前的数据爆发具有可处理性。这项工作回顾了以知识为基础的方法，过去由于知识获取瓶颈而被暂停了。”仿射研究助理Samhith. K说到。

 

 

“这个项目表明数据可以在解决人工智能问题上产生的问题。IIT Bhubaneswar 电气科学学院 Arun Tilak.S说。该方法根据给定的句子将一个单词分类为45个WordNet词汇类别之一。这是基于围绕目标词来完成的。字典中的每个单词都附有与每个类别对应的权重。可以通过使用自我训练模型的反馈机制来改进模型。

 

将来，新开发的“密集字词表示”(Dense Word Representation)模型可用于开发基于神经网络的分类器，用于将该词分类为许多WordNet类别中的一个，以句子的密集表示为输入。

Affine和IIT- Bhubaneswar自2015年10月起在开展合作，以促进学术和研究的互动，以促进和开发数据科学，分析和大数据领域的新突破性技术。

 

"Don't Let Ambiguity Cost You" - Word Sense Disambiguation Using WordNet Lexical Categories

 

 

Word Sense Disambiguation (WSD) is the task of identifying the correct sense of a word in the given context. It is an important intermediate step in many Natural Language Processing (NLP) tasks especially in Information Extraction, Machine Translation and many others. A methodology for disambiguating words given a sentence usage is proposed where the word is classified into one of the different WordNet Lexical Categories. A probabilistic model was generated by using huge corpus of more than 60 million words, assuming the concept of one sense per discourse. This is a knowledge based method. The paper shows the lexical community a fresh way to use WordNet- the pre-existing knowledge base for solving WSD problems.

 

原文：http://www.prweb.com/releases/2017/03/prweb14178308.htm