基于統(tǒng)計的中文詞義消歧技術研究.pdf

1、詞義消歧（WordSenseDisambiguation,WSD）是計算語言學和自然語言處理領域一個重要的研究課題，也是近些年來該領域的熱點研究問題之一。本文研究的重點在于統(tǒng)計詞義消歧技術，它根據(jù)使用的訓練方法的不同可以分為有指導和無指導的兩大類。早期的詞義消歧研究以基于知識的和有指導的機器學習方法為主，隨著計算技術和存儲技術的改進和提高，無指導方法受到的重視程度越來越高。
　　本文研究內容包括以下三個方面：
　　1．介紹資

2、源建設的情況。這部分包括IR-Lab分類詞典的建設和語料庫的建設兩個方面。IR-Lab分類詞典的建設對語料庫的建設以及等價偽詞的構造提供了很大的幫助。
　　2．考察了貝葉斯模型、最大熵模型、支持向量機和決策樹模型等四種數(shù)學建模方法在詞義消歧上的應用效果。通過各個模型的比較研究，發(fā)現(xiàn)貝葉斯模型和最大熵模型性能比其它幾個模型更為理想，尤其是貝葉斯模型，在構建和實現(xiàn)上比其它幾個模型相對要簡便易用，機器學習過程也簡潔高效。
　　3．

3、提出等價偽詞概念和等價偽詞的構造方法，并以此實現(xiàn)無指導的詞義消歧方法。利用得到的兩種較優(yōu)的機器學習方法：貝葉斯模型及最大熵模型，本文嘗試了基于等價偽詞的無指導詞義消歧方法，在Senseval-3的測試數(shù)據(jù)上獲得了81％的正確率，明顯優(yōu)于相應的有指導方法。實驗表明等價偽詞的概念以及建立在等價偽詞基礎上的無指導詞義消歧技術為探索詞義消歧的新技術提供了一個新的思路和方法。
　　綜上所述，本文在機器學習和無指導的詞義消歧方法上都作了一些有