基于多节点组合特征和模糊聚类的中文词义消歧方法

贺 佳 杜建强 聂 斌 熊旺平 雷银香 罗计根 曾青霞

1(江西中医药大学计算机学院 江西 南昌 330004)2(江西中医药大学岐黄国医书院 江西 南昌 330004)

0 引 言

一词多义或多词同义是自然语言中普遍存在的现象。词义消歧的目的是使系统根据某个歧义词所处的上下文语境识别出该歧义词的正确义项[1]。词义消歧不仅在机器翻译中有重要应用，也在信息检索、语义分析和话题关联检测[2]中有重要意义。词义消歧方法一般包括基于知识库的方法和基于统计机器学习的方法[3]。

基于知识库的方法通常借助WordNet[4]、Hownet[5]、《同义词词林》、机读词典等辅助目标歧义词的消歧特征。张春祥等[6]借助《同义词词林》，将窗口大小内的左右词单元对应的语义代码作为消歧特征，采用贝叶斯模型完成词义消歧。此方法虽能提升消歧效果，但知识资源包含的知识比较受限，仅能完成知识资源中出现歧义词的消歧任务。

基于统计机器学习的方法一般包括抽取特征和建立消歧模型两个流程[7]。通常采用有监督或无监督的方法建立消歧模型。张春祥等[8]将歧义词左右邻接词单元的多种语言学知识作为消歧特征，并使用Co-Training算法优化贝叶斯和最大熵模型，实现词义消歧。有监督的消歧模型在词义消歧性能上表现突出，但由于缺乏大规模标注语料，此类方法受到了很大限制[9]。无监督的消歧模型不需要大规模标注语料，具有较强的可移植性[10]。

为提高消歧质量，许多学者开始用更多更全面的语言学知识进行特征抽取。……