所选单词的词义歧义消歧

Question

我有一组keywords，我知道这只与我的申请有关。但是这些关键字在不同的环境中可能具有不同的含义。只有一个含义对我有用，我事先就知道了。我怎样才能在运行时disambiguate表达它们的含义？ 我尝试在市场上使用不同的Word Sense Disambiguation方法，但这些方法效果不佳？ 谁能在这帮助我？

Answer 1

词义消歧是一个开放的问题，因此任何方法的成功都将在很大程度上取决于您的特定数据。如果您有足够的上下文围绕在运行时提供的关键字，您可以计算tf-idf（http://en.wikipedia.org/wiki/Tf%E2%80%93idf）并将其与您感兴趣的词义的预先建立的tf-idf进行比较：当然，这意味着拥有只有你感兴趣的感觉的训练数据。然后你可以比较两个tf-idf向量，如果它们相似（http://en.wikipedia.org/wiki/Cosine_similarity）足够根据你可以通过实验建立的某个阈值，那么你可以得出结论它们是相同的意义。祝你好运。

Answer 2

消歧是根据上下文从术语（单词/搭配或keyword）的预先指定的集合中选择一个含义的任务。这里的主要思想是计算每个含义和上下文之间的相似性，然后选择最接近的含义。在含义上进行先验分布是非常有用的 - 例如，每个含义用于该术语的频率;顺便说一句，大多数常识算法都是一个很好的基线。

因此，您的任务是设置先验分布，定义相似性度量，以及选择上下文。通常只考虑当地情境就足够了 - 每边有3到5个最接近的单词。 相似性度量在很大程度上取决于您的词典（每个术语的含义集）和您的域名。上面提出了一个例子 - 余弦超过tf-idf向量。

有了这个，你可以创建一个二元分类器;理想情况下，训练机器学习就像Logistic回归一样，如果你有列车设置，你知道每个关键词是否具有有用的意义。 如果你只有正面的例子（似乎是user1981700所假设的），那么你就会遇到类似one class classifiction的东西，这通常会有更差的表现。

希望这会有所帮助。如果您提供有关您的域名和字典类型的更多详细信息，那么考虑更合适的解决方案会更容易。