تمثّل المعماريات العصبية الحالية الحد الأقصى من التقدّم في فك تشابك معاني الكلمات (WSD). ومع ذلك، فإنها تستخدم بشكل محدود المعلومة العلاقاتية الواسعة التي تُشحَن في قواعد المعرفة اللفظية (LKB). نقدّم نموذج EWISER (WSD المُحسَّن المُدمج مع تمثيلات المجموعات المفاهيمية والعلاقات)، وهو معمارية عصبية مُراقبة قادرة على الاستفادة من هذا الثروة من المعرفة من خلال دمج معلومات من رسم بياني لـ LKB داخل البنية العصبية، واستغلال تمثيلات مُدرّبة مسبقًا للمجموعات المفاهيمية (synset embeddings)، مما يمكّن الشبكة من التنبؤ بالمجموعات المفاهيمية التي لا توجد في مجموعة التدريب. وبذلك، نحقق حالة جديدة من الحد الأقصى من التقدّم في معظم إعدادات التقييم المُعتبرة، ونتحطّم للمرة الأولى حاجز 80% في مجموع جميع معايير تقييم WSD الإنجليزية الشاملة لكل الكلمات. وبالنسبة لـ WSD متعدد اللغات الشاملة لكل الكلمات، نُعلن عن نتائج متفوّقة على الحد الأقصى من التقدّم، وذلك بعد تدريب نموذجنا باستخدام بيانات إنجليزية فقط.