摘要

本文提出了一种新颖的无监督算法，用于文档级别的词语义消歧（Word Sense Disambiguation, WSD）。该算法受到遗传学领域广泛使用的全基因组测序方法——鸟枪法测序技术（Shotgun sequencing technique）的启发。所提出的WSD算法基于三个主要步骤。首先，对从文档中选择的短上下文窗口（最多10个词）应用一种暴力WSD算法，以生成每个窗口可能的义项配置的简短列表。在第二步中，这些局部义项配置通过后缀和前缀匹配被组装成长的复合配置。生成的配置按长度排序，每个词的意义则根据投票方案确定，该方案仅考虑出现该词的前k个配置。我们将该算法与其他最先进的无监督WSD算法进行了比较，并展示了其优越性能，有时甚至有显著的优势。我们还证明了在某个数据集上，我们的算法可以优于最常见的意义（Most Common Sense, MCS）基线方法。此外，我们的算法参数非常少，对参数调整具有鲁棒性，并且与其它生物启发方法不同的是，它提供了一个确定性的解决方案（不涉及随机选择）。