王 伟，黄德根

(大连理工大学 电信学部 计算机科学与技术学院，辽宁 大连 116033)

1 引 言

词义消歧(WSD)是自然语言处理领域中的一个难点问题[1,2],至今仍没得到很好解决.现在自然语言处理研究已经深入到语义分析层次，因此对于词义消歧技术需求也就更加强烈.随着词义消歧研究不断深入，研究人员提出了很多方法以提高性能，包括采用一些深度学习的方法.Dayu Yuan等人[3]采用LSTM模型的词义消歧取得了较好效果.Alessandro Raganato等人[4]定制了从LSTM到编解码模型一系列的神经结构并在多语种上取得好的效果.杨安等人[5]提出利用无标注文本构建的词向量模型结合特定领域的关键词信息的词义消歧方法.Xue-Ren Sun等人[6]提出将原始词义消歧问题转换为文本分类问题后使用LSTM进行文本分类的消歧方法.Minh Le等人[7]对Dayu Yuan等人[3]的LSTM词义消歧方法进行深入研究并分析优缺点.李国佳等人[8]提出在词向量表示基础上通过获得多义词的上下文窗口向量的词义消歧方法.吕晓伟和章露露[9]提出利用向量表示的上下文和义项信息，通过融合语义相似度和义项分布频率的词义消歧方法.孟禹光等人[10]提出一种加入词性特征的语境向量模型的词义消歧方法.罗曜儒和李智[11]采用基于Bi-LSTM的语义向量表示歧义词语义信息，在生物医学文本中取得较好的消歧效果.此外，研究人员也提出了其他一些有特点的多种方法以提高性能.鹿文鹏和黄河燕[12]提出把歧义词所在的句子先经过句法分析后……