词义消歧研究_资源_方法与评测.pdf

《当代语言学 》第 11卷 2009年第 2期 113 - 123页 , 北京 词义消歧研究 : 资源 、方法与评测 吴云芳 　　北京大学 提要 　词义消歧是计算语言学领域的基础性关键研究课题 。本文从语言资源建设 、词义消歧方 法和国际语义评测三个方面概要地介绍了词义消歧研究的现状 : 语言资源建设主要介绍了语义 词典构建和词义标注语料库建设 ; 词义消歧方法重点介绍了有指导的机器学习方法 ; 语义评测 主要介绍了国际语义竞赛 Sem Eval。以期了解词义消歧研究的前沿状态 , 促发从计算的角度来审 视义项区分和词义描述 , 进而促进汉语词汇语义学的研究 。 关键词 　词义消歧 　义项区分 　词义标注语料库 　有指导的机器学习方法 　语义评测 1. 引言 ( ) 词义消歧 word sen se disamb iguation , W SD 是计算机根据上下文语境来自动确定词语的 意义 。词义消歧包含两个必要的步骤 : ( 1) 在词典中描述词语的意义 ; (2) 在语料中进行词 义自动消歧 。例如 “仪表 ”在词典中描述有两个不同的意义 : 人的外表 ; 测定温度 、气压等 的仪器 。对于下面两个语句 : ( 1) 贵族的仪表使人对人性产生了美丽的错觉 。 (2) 我国仪器仪表事业的创始人朱 良漪 。 在网络上进行信息检索时 , 计算机应该能 自动将不同意义的 “仪表 ”区别开来并分别显示 。 ( ) ( ) 在汉英机器翻译中 , 例 1 中 “仪表 ”可译成 app earance, 而例 2 中 “仪表 ”应译成 m eter。 词义消歧是计算语言学领域的基础性关键研究课题 , 作为一个 “中间任务 ”, 直接关系 到信息检索 、机器翻译 、文本分类 、语音识别等语言处理应用系统的效率和成败 。W eaver ( ) ( ) 1949 论及机器翻译系统中必须进行词义消歧 , 这一点在 Chan等人 2007 的研究中得到了 ( ) 证明 , 其研究表明词义消歧可以显著提升机器翻译系统的准确率 。Stokoe 等人 2003 证明高 ( ) 效的词义消歧技术可以显著提升信息检索的准确率 。然而 , 正如 Ide 和 V eron is 1998 所指 出的那样 , 虽然历经半个多世纪的努力 , 词义消歧研究并没有取得突破性进展 。现在 10 个 春秋又逝去了 , 词义消歧依然是学人们孜孜以求攻克的难关 。 词义消歧研究关涉到的三个主要问题是 : 资源 、方法与评测 。本文拟从这三个角度出 发 , 对当前的词义消歧研究进行概括性的评述 , 以期了解词义消歧研究的前沿状态 , 为将来 的探索提供启发 。本文评述虽然是面向中文信息处理的 , 但对于汉语词汇语义学的研究也有 一定的借鉴意义 , 从计算的角度来看待汉语词语的多义现象 , 或许会有一番新的景象 。