単語意味曖昧解消（Word Sense Disambiguation: WSD）において、一般的なアプローチは意味タグ付けされたコーパスで訓練された監督学習システムを使用することである。しかしながら、このようなコーパスの量が限られているため、これらのシステムのカバレッジと性能に制約が生じている。本稿では、これらの問題を解決するために、WordNet に含まれる知識、特に同義集合間の上位語・下位語関係を利用した新しい方法を提案する。この方法により、大部分の WSD 評価タスクで最先端の結果を得つつ、監督学習システムのカバレッジを向上させ、学習時間を短縮し、モデルのサイズを縮小することが可能となる（追加の学習データなし）。さらに、我々はこの方法をアンサンブル技術と WordNet Gloss Tagged コーパスを学習データとして追加することで組み合わせた場合に、大幅に最先端の結果を超える成果を得ることを示す。注：「上位語・下位語関係」は「hypernymy and hyponymy relationships」に対応する一般的な日本語表現です。「WordNet Gloss Tagged」は不馴れな用語ですが、「WordNet の概要タグ付き」と訳しました。