TL;DR

在過去的方法中 WSD 都是用頻率最高的詞義，但這會隨著語料的不同而不準。因為缺少訓練資料，使用監督式學習也相當不易。然非監督的做法之所以做不好，其根本原因在於沒有使用上下文資訊。本文採用一個自動收集的字典，以及 WordNet 的相似度工具定位出最有可能的詞義。在 SenEval-2 的實驗上，獲得了 64% 的 precision。

Paper Link

Finding Predominant Word Senses in Untagged Text
Diana McCarthy & Rob Koeling & Julie Weeds & John Carroll
ACL 2004
https://www.aclweb.org/anthology/P04-1036/

Key Points

1. 手工標記的 WSD 資料非常稀少；即使有，資料集也通常不大，難以涵括大部分的詞義，如 SemCor，也僅有 25 萬字，所以用監督式學習的方式並不容易。
2. 本文作者使用一個自動收集的字典來尋找前 k 個與目標詞最相近的鄰居，然後使用 WordNet 計算相似度。