本稿では、単語意味解釈（Word Sense Disambiguation: WSD）のタスクにおいて手動で意味注釈が施されたコーパスの量が限られている問題に取り組む。同義関係、上位概念関係、下位概念関係などの意味間のセマンティックリレーションを活用することで、プリンストン・ワードネットの意味語彙を圧縮し、辞書データベース内のすべての単語を解釈するために観察しなければならない異なる意味タグの数を削減する方法について述べる。我々は2つの異なる手法を提案しており、これらは追加の学習データなしでニューラルWSDモデルのサイズを大幅に削減し、精度に影響を与えることなくカバレッジを向上させる利点がある。さらに、事前学習済みのBERT単語ベクトルに依存したWSDシステムについても紹介する。このシステムは、すべてのWSD評価タスクにおいて現行最良の手法を大幅に上回る結果を達成している。