AITerms 登入
自然語言處理機器學習深度學習

詞義消歧(Word Sense Disambiguation)是什麼?

詞義消歧(WSD)是自然語言處理中的一項任務,旨在確定一個詞在特定上下文中的正確含義,因為許多詞具有多重含義。

完整定義

詞義消歧(Word Sense Disambiguation, WSD)是自然語言處理(NLP)中的一項核心任務,其目標是根據詞語出現的上下文,自動確定該詞語在特定語境下的正確含義。由於自然語言中存在大量的多義詞(polysemy),一個詞語可能有多種不同的含義,因此詞義消歧對於理解文本的真實含義至關重要。

白話說明

你有沒有看過「銀行」這個詞,明明都是同一個字,意思卻完全不同?

你可以把詞義消歧想成,讓電腦根據上下文判斷一個詞到底是在說哪個意思。

它重要,是因為很多中文和英文詞都有多重含義,意思選錯,整句理解就會歪掉。

記住這句

同一個字,先看上下文,再決定意思。

比喻:WSD 就像一個超級偵探 -- 當你看到「蘋果」這個詞,它會根據前後文判斷你是指水果、公司、還是人名,確保理解意思不會搞錯。

容易混淆

詞義消歧 vs 關鍵字比對

關鍵字比對只找字有沒有出現,詞義消歧還要看上下文是哪一種意思。

詞義消歧 vs 命名實體辨識

命名實體辨識是找出人名、地名、組織名,詞義消歧是判斷多義詞的正確意思。

詞義消歧 vs 語意搜尋

語意搜尋是找相近內容,詞義消歧是先把單一詞的意思判清楚。

最關鍵的區別:WSD 是判斷「這個字現在代表哪個意思」。

實際案例

銀行 vs 河岸

「我去銀行存錢」裡的銀行是金融機構,「他站在河岸邊」裡的 bank 是河邊。

Apple 的品牌與水果

在「Apple 發表新手機」裡,Apple 是公司;在「我吃了一顆 apple」裡,它是水果。

算法與應用

傳統方法會用詞典、語義網路和上下文特徵來判斷意思。

現代方法則常直接用語言模型或上下文向量,讓模型從整句話裡抓出最合理的詞義。

WSD 常出現在機器翻譯、資訊檢索、問答系統和語意分析裡。

情境判斷

Q1(直覺題): 「我去銀行提款」裡的「銀行」,你會判成金融機構嗎?

會,因為提款和銀行帳戶的上下文很明確。

Q2(判斷題): 如果只看單獨一個詞,不看前後文,詞義消歧還做得準嗎?

不一定。多義詞通常一定要看上下文,單看單詞很容易判錯。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本