Word Sense Disambiguation: Ein umfassender Rahmen zur Ausnutzung von Wissen

Die Entschärfung von Wortbedeutungen (Word Sense Disambiguation, WSD) ist seit ihrer Einführung in der Gemeinschaft der natürlichen Sprachverarbeitung (Natural Language Processing, NLP) ein grundlegendes und kontinuierlich untersuchtes Thema. Ihre Anwendung erstreckt sich auf zahlreiche Bereiche wie Sentiment-Analyse, Information Retrieval (IR), maschinelles Übersetzen und die Konstruktion von Wissensgraphen. Lösungsansätze für WSD lassen sich hauptsächlich in überwachte und wissensbasierte Methoden einteilen. In diesem Artikel wird ein wissensbasierter Ansatz vorgestellt, der das Problem durch einen semantischen Raum und einen semantischen Pfad hinter einem gegebenen Satz modelliert. Der Ansatz stützt sich auf das bekannte Wissensbasis-System WordNet und nutzt die Latente Semantische Analyse (Latent Semantic Analysis, LSA) zur Modellierung des semantischen Raums sowie den PageRank-Algorithmus zur Modellierung des semantischen Pfads. Experimente haben die Wirksamkeit der Methode bestätigt und sie zeigten einen Stand der Technik (state-of-the-art)-Leistungsgrad auf mehreren WSD-Datensätzen.