张春祥， 熊经钊， 高雪瑶

(1.哈尔滨理工大学 软件与微电子学院，黑龙江 哈尔滨 150080；2.哈尔滨理工大学 计算机科学与技术学院，黑龙江 哈尔滨 150080)

词义消歧的目的是确定歧义词汇在特定上下文环境中的具体含义。词义消歧对机器翻译、话题关联检测、语音识别、文本分类、信息检索和主题挖掘等应用有很大的影响[1-2]。钱涛等[3]、SONAKSHI等[4]和EDILSON等[5]使用图来描述词义消歧问题。ROCCO等[6]根据分布信息来计算语义的相似性，提出了一种新的基于进化博弈理论的词义消歧模型。SALLAM等[7]将蜂群优化元启发式算法应用于词义消歧过程，利用多个人工蜂代理来协同处理该问题。SULEMA等[8]利用Alpha-Beta联想记忆对歧义词及其上下文之间的关联性进行计算，提出了一种基于简化LESK算法的词义消歧方法。与其他基于LESK的方法相比，该方法具有一定的优越性。MYUNG等[9]提出了一种基于词嵌入的消歧方法，使消歧特征向量具有可加性和组合性，消歧特征向量更加紧凑和高效。OSMAN等[10]和CLAUDIO等[11]以少量带有语义注释的语料为基础，挖掘大量无标注语料中的语言学知识来进行半监督词义消歧。杨陟卓[12]和孟禹光等[13]分别利用上下文的译文和词性来确定歧义词汇的含义。WANG等[14]以共现知识和训练文档的类知识为基础，利用语义扩散核来解决词汇的歧义问题。郭瑛媚等[15]以话题信息、位置关系和互信息为消歧特征，提出了一种无监督的跨语言词义消歧算法。利用在线词典和Web搜索引擎，使用上下文信息来确定评论句中多义评论词的具体含义。……