摘要
词义消歧（WSD）旨在识别多义词在特定上下文中的正确含义。诸如WordNet之类的词汇资源已被证明对基于知识的方法进行WSD非常有帮助。然而，以往用于WSD的神经网络通常依赖大量标注数据（上下文），而忽略了词汇资源如释义（词义定义）。本文中，我们将目标词的上下文和释义整合到一个统一框架中，以充分利用标注数据和词汇知识。因此，我们提出了GAS：一种增强释义的WSD神经网络，该网络联合编码目标词的上下文和释义。GAS在一个改进的记忆网络框架中建模上下文与释义之间的语义关系，从而打破了以往监督方法和基于知识方法之间的壁垒。我们进一步通过WordNet中的语义关系扩展了词义的原始释义，以丰富释义信息。实验结果表明，我们的模型在多个英语全词语WSD数据集上优于现有的最先进系统。