초록
단어 의미 구분(WSD)은 특정 문맥에서 다의어의 올바른 의미를 식별하는 것을 목표로 합니다. WordNet과 같은 어휘 자원은 지식 기반 방법에서 WSD에 큰 도움이 됨이 입증되었습니다. 그러나 이전의 WSD 신경망은 항상 대량의 라벨링된 데이터(문맥)에 의존하면서, 의미 정의(glosses)와 같은 어휘 자원을 무시했습니다. 본 논문에서는 타겟 단어의 문맥과 의미 정의를 통합된 프레임워크에 통합하여 라벨링된 데이터와 어휘 지식을 모두 최대한 활용하기 위해 연구하였습니다. 따라서, 우리는 GAS: 의미 정의를 강화한 WSD 신경망을 제안합니다. GAS는 개선된 메모리 네트워크 프레임워크를 통해 타겟 단어의 문맥과 의미 정의 간의 의미적 관계를 모델링하며, 이는 이전 감독 학습 방법과 지식 기반 방법 사이의 장벽을 해소합니다. 또한, 우리는 WordNet에서 단어 의미의 원래 의미 정의를 그 의미적 관계를 통해 확장하여 의미 정의 정보를 풍부하게 만들었습니다. 실험 결과, 우리의 모델은 여러 영어 모든 단어 WSD 데이터셋에서 최신 시스템들을 능가하는 것으로 나타났습니다.