摘要
神经网络架构目前是词义消歧（Word Sense Disambiguation, WSD）任务的最先进方法。然而，现有方法对词汇知识库（Lexical Knowledge Bases, LKB）中蕴含的大量关系信息利用有限。为此，我们提出了一种名为“融合义原嵌入与关系的增强型词义消歧”（Enhanced WSD Integrating Synset Embeddings and Relations, EWISER）的神经监督架构。该方法通过将LKB图结构中的信息嵌入神经网络架构中，并充分利用预训练的义原（synset）嵌入表示，使模型能够预测训练集中未出现过的义原。实验结果表明，EWISER在几乎所有评估设置下均达到了新的最先进水平，首次突破了标准英文全词词义消歧基准测试综合评估结果长期存在的80%性能瓶颈。此外，在多语言全词词义消歧任务中，仅使用英文数据进行训练，即取得了当前最优的性能表现。