詞義消歧（WSD）通過給定的上下文來確定單詞的正確意義。這是許多自然語言處理（NLP）任務中的重要中間步驟，特別對于信息提取，機器翻譯等領域。一種用于消除給定句子使用的詞語歧義的方法，其中該詞被分類為不同的WordNet詞匯類別。其是通過使用超過6000萬字的巨大語料庫來產生的概率模型，假設每個語句都有一個意義的概念。這是一種基于知識的方法。該論文展示了詞匯界使用WordNet的一種新方法，這是現有的解決WSD問題的知識庫。

 

“這項工作恢復了以前提出的方法，并將其應用于今天大規(guī)模網絡生成的數據。它提供了新的見解，并開啟了許多新的可能性，對于當前的數據爆發(fā)具有可處理性。這項工作回顧了以知識為基礎的方法，過去由于知識獲取瓶頸而被暫停了?！狈律溲芯恐鞸amhith. K說到。

 

 

“這個項目表明數據可以在解決人工智能問題上產生的問題。IIT Bhubaneswar 電氣科學學院 Arun Tilak.S說。該方法根據給定的句子將一個單詞分類為45個WordNet詞匯類別之一。這是基于圍繞目標詞來完成的。字典中的每個單詞都附有與每個類別對應的權重?？梢酝ㄟ^使用自我訓練模型的反饋機制來改進模型。

 

將來，新開發(fā)的“密集字詞表示”(Dense Word Representation)模型可用于開發(fā)基于神經網絡的分類器，用于將該詞分類為許多WordNet類別中的一個，以句子的密集表示為輸入。

Affine和IIT- Bhubaneswar自2015年10月起在開展合作，以促進學術和研究的互動，以促進和開發(fā)數據科學，分析和大數據領域的新突破性技術。

 

"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