意味解釈（Word Sense Disambiguation, WSD）は、自然言語処理（NLP）分野において導入されて以来、基本的かつ継続的な課題として扱われてきた。その応用範囲は、感情分析、情報検索（Information Retrieval, IR）、機械翻訳、知識グラフ構築など多岐にわたり、幅広い分野で重要性を発揮している。WSDの解決手法は、主に教師ありアプローチと知識ベースアプローチに分類される。本論文では、与えられた文の背後にある意味空間と意味経路をモデル化する知識ベース手法を提案する。このアプローチは、広く知られた知識ベース（Knowledge Base, KB）であるWordNetを活用し、意味空間を潜在的意味解析（Latent Semantic Analysis, LSA）により、意味経路をPageRankアルゴリズムによりそれぞれモデル化する。実験の結果、本手法の有効性が確認され、複数のWSDデータセットにおいて最先端の性能を達成した。