عائق رئيسي في تفكيك المعنى للكلمات (WSD) هو أن المعاني لا تتوزع بشكل موحد، مما يؤدي إلى أداء محدود للنماذج الحالية في المعاني النادرة أو غير المُشاهدة أثناء التدريب. نقترح نموذجًا ثنائي المُشَكِّل (bi-encoder) يُشَكِّل بشكل مستقل: (1) الكلمة المستهدفة مع سياقها المحيط، و(2) التعريفات الدقيقة (gloss) لكل معنى من معاني الكلمة. يتم تحسين المشَكِّلَين معًا في نفس الفضاء التمثيلي، بحيث يمكن إجراء تفكيك المعنى من خلال العثور على التمثيل الأقرب للمعنى لكل تمثيل للكلمة المستهدفة. يتفوق نموذجنا على النماذج السابقة المُتقدمة في مهمة تفكيك معاني الكلمات باللغة الإنجليزية؛ حيث تأتي هذه المكاسب بشكل رئيسي من تحسين الأداء في المعاني النادرة، مما يحقق خفضًا بنسبة 31.1% في الأخطاء بالنسبة للمعاني الأقل تكرارًا مقارنة بالعمل السابق. يُظهر هذا أن المعاني النادرة يمكن تفكيكها بشكل أكثر فعالية من خلال نمذجة تعريفاتها.