摘要

词义消歧（Word Sense Disambiguation）是自然语言处理领域的一个长期研究任务，处于人类语言理解的核心位置。然而，自动系统的评估一直面临挑战，主要原因是缺乏可靠的评估框架。本文提出了一套统一的评估框架，并在公平的实验设置下对多种词义消歧系统进行了性能分析。实验结果表明，监督学习模型明显优于基于知识的模型。在监督学习模型中，基于传统局部特征训练的线性分类器依然构成了一个难以超越的基准。然而，近期利用未标注语料库进行训练的神经网络方法取得了令人瞩目的成果，在多数测试集上已超越这一基准模型。