An unsupervised semantic similarity based method for word sense disambiguation

Abstract

Bu tezde kelime anlamı berraklaştırma için anlam benzerliği tabanlı denetimsiz bir yöntem sunulmaktadır. Bu yöntem bir kelimenin doğru anlamını tespit edebilmek için, metin içerisinde o kelimenin yakınında bulunan diğer kelimeler ile hedef kelimenin sözlük anlamında geçen kelimeler arasındaki anlam benzerliği derecesini hesaplamaya çalışır. Bu hesaplama, makine tarafından okunabilir bir sözlük olan WordNet in içerisinde halihazırda mevcut bulunan anlam sıradüzeni ile eşanlam kümeleri arasındaki ilişkiler kullanılarak yapılmaktadır. Burada sunulan yöntem SemCor dan alınan girdiler ile denendikten sonra, elde edilen sonuçlar diğer anlam tabanlı ve denetimsiz yöntemlere ait sonuçlarla karşılaştırılmıştır. Deneyler sonucunda elde edilen sonuçlar, bir kelimenin sözlük anlamında geçen kelimeleri kelime anlamı berraklaştırma sürecine dahil ederek mevcut girdi sayısını arttırmanın sürecin başarı yüzdesini arttırdığını göstermiştir.

In this thesis, a semantic similarity based unsupervised method for word sense disambiguation is presented. The method tries to disambiguate a target word by calculating a similarity score between the words surrounding the target word and the words existing in the sense definition of the target word. The built-in semantic hierarchy and synset relations of WordNet, a machine readable thesauri, are used in similarity score calculations. The method is evaluated using SemCor data and the results are compared against other methods based on semantic similarity and unsupervised methods. Results show us that increasing the number of inputs by including the words in a word?s sense into disambiguation process, improves precision rate of disambiguation process.