Context-Aware Semantic Similarity Measurement for Unsupervised Word Sense Disambiguation

要約

タイトル：コンテキストに対応した意味類似度測定による非教師あり単語の曖昧性解消法

要約：

– 単語の意味の曖昧さは、機械学習モデルに識別のためのアノテーション付きデータが不足するため、自然言語処理における重要な問題を提起する。
– このため、アノテーション付きデータに依存しない非教師あり単語の曖昧性解消法が開発されている。
– 本研究では、コンテキスト情報を類似度測定プロセスに柔軟に組み込む、新しいコンテキストに対応したアプローチを提案する。
– ベンチマークデータセットを用いて提案手法の評価を行い、現在の非教師あり単語の曖昧性解消技術との性能を比較する。
– 実験結果は、提案手法が曖昧性の解消精度を大幅に向上させ、いくつかの既存技術の性能を超えることを示している。
– 本研究の結果は、コンテキスト情報を意味的類似性測定に組み込むことが、非教師あり状況下での単語の意味の曖昧さを効果的に管理する上で重要であることを強調している。

要約(オリジナル)

The issue of word sense ambiguity poses a significant challenge in natural language processing due to the scarcity of annotated data to feed machine learning models to face the challenge. Therefore, unsupervised word sense disambiguation methods have been developed to overcome that challenge without relying on annotated data. This research proposes a new context-aware approach to unsupervised word sense disambiguation, which provides a flexible mechanism for incorporating contextual information into the similarity measurement process. We experiment with a popular benchmark dataset to evaluate the proposed strategy and compare its performance with state-of-the-art unsupervised word sense disambiguation techniques. The experimental results indicate that our approach substantially enhances disambiguation accuracy and surpasses the performance of several existing techniques. Our findings underscore the significance of integrating contextual information in semantic similarity measurements to manage word sense ambiguity in unsupervised scenarios effectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI