词义消歧

计算机语言学中,词义消歧是一个自然语言处理本体论的开放问题。歧义与消歧是自然语言理解中最核心的问题,在词义、句义、篇章含义层次都会出现语言在上下文语义不同的现象,消歧即根据上下文确定对象语义的过程。词义消歧即在词语层次上的语义消歧。语义消歧(词义消歧) 是自然语言处理任务的一个核心与难点,影响了几乎所有任务的性能,比如搜索引擎、意见挖掘、文本理解与产生、推理等。

语言学长期发展的过程中,语言本身积累了许多一词多义的用法。语言的产生是多方面共同作用的结果。语言的使用是不断变化的,一个词在发展中有许多具体的意思,现在通用的还有一些意思。不同地区可能对一个词有不同的用法,不同的行业对一个词的用法也会不同,甚至不同群体、不同个人、不同语气都会有自己的特殊的解读意思。语义消歧是一种语言理解的方式,一方面我们要理解通用词语一词多义的含义及应用,另一方面,还要考虑到具体场景,运用相关知识库、语料训练来增加一词多义的性能。

迄今为止,丰富多样的技术已经被研究:以词典为基础的方法、使用知识库知识图谱技术的、监督学习的、无监督的、半监督的、基于词或者词向量的。

困难

词典

基于词典的语义消歧依赖于词典对语义的区分。粒度的一词多义指区分较大的语义,比如,可能表示自然水,也可能指水货;细粒度的一词多义指能区分较小不同的语义。如果词典缺少某一层次或某一些语义的描述,以词典作为词语义的完全描述就会导致问题。这个特点对词义消歧与实体链接英语Entity linking同样适用。解决这个问题的办法是:对描述较少的语义聚集自动增量增加聚类分析

英文里常用的字典包括WordNetRoget's Thesaurus英语Roget's ThesaurusBabelNet。任意语言都可以把常用的字典词典网络百科、专业知识库数据库作为消歧的词典文件。[1]

词性标注

词性标注与词义消歧是相互关联的两个问题,在人的系统他们同时能到满足。但是目前系统一般并不能让二者公用参数,同时输出。语义理解,包括分词、词性标注、词义消歧、句法解析、语义解析并不是前馈的,是相互依赖的存在反馈的。

词性标注与语义消歧都要依赖上下文来标注,但是词性标注比语义消歧要简单以及成功。原因主要是词性标注的标注集合是确定的,而语义消歧并没有,并且量级要大的多;词性标注的上下文依赖比语义消歧要短。

judge依赖

有时候人也不能很好地判断一个词属于哪个意思。对于粗粒度的区分肯定比细粒度的高。所以一般选择粗粒度的任务,因为需要使用人的判断作为黄金标准。[2]

语用学

许多研究者认为要做到词义消歧,需要理解语用学、一些常识。[誰說的?]语言学本身就是与知识紧密结合的,肯定需要语言相关的常识帮助解析,就像实体消歧需要实体的相关的知识一样。

不同任务使用词义消歧的区别

不同的任务具体词义消歧会不同。比如翻译,不一定显式地输出词义消歧中间结果,只需要最后的句子的同义。

多义的定义

人们一般能在粗粒度的定义上获得一致的看法,当它到达更细的粒度,则很难统一。并且即便同个语义,在不同的环境里,也许还会有不同,因为语言表达有无限的可能性,导致语义在细粒度可能会迁移。

参考资料

  1. ^ A. Moro, A. Raganato, R. Navigli.
  2. ^ Snyder & Palmer 2004,第41–43頁.