词汇语义学与词义消歧
词义的计算研究：解决词语在上下文中携带的意义，衡量语义相似性，以及建模词义之间的关系。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
计算语言学中的词汇语义学是指机器对词义的表示、比较和消歧。
Scope
涵盖单个词语的意义及其关系——词义清单、词义消歧、语义相似性和关联性，以及词汇意义的分布式模型。它涉及使用WordNet等资源的基于知识的方法，以及基于语料库和神经网络的方法。组合句义在相关主题中有所涵盖。
Core questions
- 如何根据上下文确定词语的意义？
- 如何量化词语之间的语义相似性？
- 基于知识和基于语料库的词汇意义方法有何不同？
- 如何通过计算处理多义性和隐喻？
Key concepts
- 词义
- 多义性
- 词义清单
- 词义消歧
- 语义相似性
- 分布式语义学
- 向量空间模型
- 词汇关系
Key theories
- 词义消歧
- 利用上下文、知识资源或学习分类器，从词义清单中选择歧义词在上下文中合适的意义。
- 分布式词汇意义
- 通过共现统计和关联度量来表示词义，使得语义相关的词语具有相似的上下文特征。
History
词义消歧是一个长期存在的挑战，Navigli在2009年对其进行了全面综述。分布式方法植根于Harris的假设，并由Church和Hanks的关联度量推进，逐渐提供了现在主导词汇语义学的数据驱动相似性模型。
Debates
- 离散意义与连续意义
- 词义是最好建模为离散意义的固定清单，还是连续空间，这种张力因模糊意义边界的上下文嵌入而加剧。
Key figures
- Roberto Navigli
- Kenneth Church
- Hinrich Schütze
- Zellig Harris
Related topics
Seminal works
- navigli2009
- church1989
Frequently asked questions
- 为什么词义消歧很困难？
- 许多词语有多种意义，选择正确的意义通常需要广泛的常识和微妙的上下文线索，这些很难编码，这也是它几十年来一直是一个基准挑战的原因。