Desambiguación de Sentido de Palabras (WSD)
- Propuesto por
- Navigli (survey, 2009)
- Año
- 2009
- Tipo
- NLP semantic-disambiguation task
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
La desambiguación de sentido de palabras (WSD) es la tarea de procesamiento del lenguaje natural que consiste en elegir el significado correcto de una palabra polisémica a partir de su contexto.
Revisada por Navigli (2009), resuelve qué sentido de una palabra con múltiples significados se aplica en una oración dada, mejorando la calidad de la recuperación de información, la traducción automática y la respuesta a preguntas.
La intuición detrás del método
Muchas palabras cotidianas tienen más de un significado: "banco" puede ser a orillas de un río o una institución financiera, y solo las palabras circundantes nos dicen cuál. Un lector resuelve esto automáticamente, pero una máquina ve la misma cadena de caracteres de cualquier manera. WSD hace explícita esa elección: examina las palabras alrededor de un término ambiguo, las compara con las definiciones de diccionario de cada sentido candidato y selecciona el sentido cuyo significado se ajusta mejor al contexto.
Historia
La desambiguación de sentido de palabras es un problema de larga data en la lingüística computacional. Navigli (2009) consolidó el campo en una revisión exhaustiva, mientras que Mihalcea (2006) expuso los métodos basados en conocimiento que se basan en recursos léxicos como WordNet en lugar de datos de entrenamiento etiquetados.
Cuándo usarlo
La WSD se aplica cuando se tiene texto que contiene palabras con múltiples significados y un recurso de conocimiento léxico (WordNet o una ontología del idioma de destino) que enumera sus sentidos, junto con una ventana de contexto definida. Es adecuada para trabajos explicativos y de clasificación en datos textuales, y un corpus modesto (alrededor de 20 unidades) es suficiente para empezar. Sin un inventario de sentidos disponible para el idioma, la WSD basada en conocimiento no puede ejecutarse.
Limitaciones y consideraciones
- Requiere un WordNet o una ontología del idioma de destino disponible; los idiomas sin un inventario de sentidos no pueden desambiguarse de esta manera.
- La precisión depende de cuán bien la ventana de contexto definida capture la evidencia desambiguadora.
- Las distinciones de sentido finas en un recurso pueden ser difíciles de separar incluso con un contexto rico.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Resuelve la polisemia para que las tareas posteriores lean el significado previsto en lugar de una cadena superficial.
- Mejora la calidad de la recuperación de información, la traducción automática y la respuesta a preguntas.
- Los enfoques basados en conocimiento trabajan directamente a partir de un recurso léxico sin necesidad de grandes conjuntos de entrenamiento etiquetados.
Aplicaciones
- Mejorar la relevancia de la recuperación de información al hacer coincidir el sentido previsto de un término de consulta.
- Elevar la calidad de la traducción automática al seleccionar el sentido correcto antes de traducir.
- Apoyar sistemas de respuesta a preguntas que deben interpretar correctamente los términos ambiguos.
- Análisis semántico de corpus en humanidades, ciencias sociales y otros campos intensivos en texto.
Cómo funciona
Cómo funciona
Se escanea el texto en busca de palabras polisémicas, términos que tienen más de un significado posible en el recurso de conocimiento. Cada palabra de este tipo se convierte en un objetivo para la desambiguación, ya que las palabras no ambiguas no necesitan un análisis adicional.
Se define una ventana de contexto alrededor de cada palabra objetivo: las palabras y frases vecinas que indican qué significado se pretende. El tamaño y la forma de esta ventana son un parámetro definido del método, ya que la evidencia circundante es lo que impulsa la decisión.
Los sentidos candidatos para la palabra objetivo se recuperan de un recurso de conocimiento léxico como WordNet o una ontología del idioma de destino. Cada candidato lleva una glosa o definición que describe ese significado particular.
Se elige el sentido cuya definición se superpone mejor con el contexto. Los enfoques basados en conocimiento, como el algoritmo de Lesk, comparan las palabras en la ventana de contexto con la glosa de cada sentido y seleccionan la mejor coincidencia, asignando una única etiqueta de sentido a la palabra en contexto.
Errores comunes
- Aplicar un recurso construido para un idioma a texto en otro: el inventario de sentidos debe coincidir con el idioma del corpus.
- Usar una ventana de contexto demasiado estrecha para transportar la señal desambiguadora, o tan amplia que atraiga palabras irrelevantes.
- Asumir que cada palabra es ambigua; restringir la desambiguación a objetivos genuinamente polisémicos para evitar esfuerzos perdidos y ruido.
Preguntas frecuentes
¿Qué recurso de conocimiento necesita la WSD?
La WSD basada en conocimiento se basa en un recurso léxico que enumera los sentidos de las palabras: WordNet para inglés, o una ontología equivalente para el idioma de destino. El recurso suministra los sentidos candidatos y sus glosas que el método compara con el contexto.
¿Cómo importa la ventana de contexto?
La ventana de contexto es el conjunto de palabras vecinas utilizadas para decidir qué sentido se aplica. Es un parámetro definido: demasiado estrecha y se pierde la señal desambiguadora, demasiado amplia y se introducen palabras irrelevantes. Elegir una ventana apropiada es fundamental para el método.
¿Qué es el algoritmo de Lesk?
Lesk es un enfoque clásico basado en conocimiento que compara las palabras en la ventana de contexto con la glosa del diccionario de cada sentido candidato y elige el sentido con la mayor superposición. Funciona directamente a partir del recurso léxico sin datos de entrenamiento etiquetados.
¿Funciona la WSD para idiomas distintos del inglés?
Sí, siempre que exista un inventario de sentidos u ontología para ese idioma. Aplicar un recurso en inglés como WordNet a texto en otro idioma no producirá los sentidos correctos; el recurso debe coincidir con el idioma del corpus.
Métodos relacionados
Fuentes
Navigli, R. (2009). Word Sense Disambiguation: A Survey. ACM Computing Surveys (CSUR), 41(2), Article 10, 1-69.
Abrir referencia DOICopiado.Mihalcea, R. (2006). Knowledge-Based Methods for Word Sense Disambiguation. Computational Linguistics.
Abrir referencia de la publicaciónCopiado.