半教師付きニューラルモデルによる単語意味解消

テキスト中の単語の意図された意味を決定すること - 単語意味解釈（WSD） - は自然言語処理における長年の課題です。最近、研究者たちはニューラルネットワーク言語モデルから抽出した単語ベクトルを特徴量として WSD アルゴリズムに使用することで、有望な結果を示しています。しかし、テキスト内の各単語の単語ベクトルを単純に平均化または連結すると、テキストの順序情報と文法情報が失われてしまいます。本論文では、LSTM を用いたシーケンス学習ニューラルネットワークを使用して WSD を行い、テキストの順序情報と文法パターンをよりよく捉える方法について研究します。全単語 WSD における訓練データの不足を緩和するために、半教師ありラベル伝播分類器において同じ LSTM を使用しました。特に動詞に関して最先端の結果を示すことができました。注：「全単語 WSD」は「all-words WSD」の日本語訳です。