Unsupervised WSD by Finding the Predominant Sense Using Context as a Dynamic Thesaurus

我们在场并且为词意义歧义消除(WSD ) 分析一个无指导的方法。我们的工作基于麦卡锡等介绍的方法。在 2004 为在全部语料库发现每个词的占优势的感觉。他们的最大化算法从一本分布同义词典允许加权的术语(类似的词) 为每模糊的词意义积累一个分数，即，有最高的分数的感觉从与模糊的词有关的术语的一张加权的表基于投票被选择。这张表用林德康建议获得一本同义词典的分布类似方法被获得。在麦卡锡等的方法，模糊的词的每出现使用一样的同义词典，不管模糊的词发生的上下文。当由基于模糊的词的语法上下文造分布式的类似的词的表决定一个模糊的词的感觉时，我们的方法说明一个词的上下文。我们获得 77.54% 精确性对在 SemCor 上测试的 67.10% 原来的方法的最高的精确。我们也在发现大多数 Frecuent 感觉(MFS ) 和 WSD 的任务分析加权的术语的数字的效果，并且为造词空间模型与几试验语料库。