%0 Journal Article
%T 基于领域知识的图模型词义消歧方法
%A 鹿文鹏
%A 黄河燕
%A 吴昊
%J 自动化学报
%P 2836-2850
%D 2014
%R 10.3724/SP.J.1004.2014.02836
%X ？对领域知识挖掘利用的充分与否,直接影响到面向特定领域的词义消歧(Wordsensedisambiguation,WSD)的性能.本文提出一种基于领域知识的图模型词义消歧方法,该方法充分挖掘领域知识,为目标领域收集文本领域关联词作为文本领域知识,为目标歧义词的各个词义获取词义领域标注作为词义领域知识;利用文本领域关联词和句子上下文词构建消歧图,并根据词义领域知识对消歧图进行调整;使用改进的图评分方法对消歧图的各个词义结点的重要度进行评分,选择正确的词义.该方法能有效地将领域知识整合到图模型中,在Koeling数据集上,取得了同类研究的最佳消歧效果.本文亦对多种图模型评分方法做了改进,进行了详细的对比实验研究.
%K 词义消歧
%K 领域知识
%K 图模型
%K 词义领域
%K 文本领域
%U http://www.aas.net.cn/CN/abstract/abstract18562.shtml