Word Sense Disambiguation Based on Word Similarity Calculation Using Word Vector Representation from a Knowledge-based Graph Dongsuk O, Sunjae Kwon, Kyungsun Kim and Youngjoong Ko 2018 10/19 文献紹介 長岡技術科学大学 自然言語処理研究室 福嶋　真也 Proceedings of the 27th International Conference on Computational Linguistics, pages 2704–2714 Santa Fe, New Mexico, USA, August 20-26, 2018. 

2 Abstract ● 曖昧な単語と入力文書の単語との類似性を利用した、新 しい知識ベースのWSDシステムを提案。 ● SemEval-2013とSemEval-2015で実験を行い、 SemEval-2013では最先端のWSDシステムを上回る性能 を発揮 

3 introduction ● 知識ベースの教師なし学習のWSDでは、グラフベースの 手法がよく使われる。 ● 語義の部分グラフを生成する手法が、WSDの性能に直結。 →この手法について、様々なものが提案されている。 

4 introduction ● 従来の手法 ・文書中のすべての曖昧な語を同時に曖昧性解消 （Navigli and Lapata、2007; Navigli and Lapata、2010） →文書中の全ての曖昧性のある語に対して最適な語義を導くこ とができるが、計算量が大きくなりやすい。 ・曖昧性解消を行う語の優先順位を決めて曖昧性解消 （Manion et al.、2014) →部分グラフの構築に文脈全ての語を使用しているため、不要な 情報によって部分グラフが複雑化 

5 Proposed WSD System ● 提案手法 Manion et al.（2014）の手法をベースにした手法 →部分グラフの構築に必要な語を限定する ・文脈の語と曖昧性のある語の類似度を計算 　→しきい値以上の語のみを使用 

6 Proposed WSD System ● 類似度計算のために・・・ 意味情報を考慮した単語の分散表現を生成 →意味情報がWSDを行う上で重要と仮定 ● 分散表現を生成するにあたって、単語の意味関係を 表現する必要あり。 

7 Proposed WSD System 例：star star#1: "A celestial body of hot gases", star#2: “Any celestial body visible from the Earth at night.”, star#3: “An actor who plays a principal role” star#4: “A widely known person.” 

8 Proposed WSD System 例：star Related with astronomical phenomena Related with human or occupation 

9 Proposed WSD System ● c)をDoc2Vecに入力し、出力を単語の分散表現とする。 ● 単語の類似度はコサイン類似度で計算。 

10 Proposed WSD System ● 処理の流れ ・１−３：前処理 ・４−１１：語義曖昧性解消 

11 Experiment ● データセット SemEval-2007,SemEval-2013,SemEval-2015 ● Doc2Vecの設定 ・demension:200 ・window size:3 ・initial learning rate:0.5 ● しきい値：0.5 その他はDefault 

12 Result ● ベースラインとの比較、類似度計算の比較 →意味情報が重要であることを示している 

13 Results ● 他のWSDシステムとの比較 

14 Conclusion & future work ● 曖昧な語と文脈上の語の類似度を用いた、知識ベースの WSDを提案。 ● 最先端の教師なしの知識ベースのWSDシステムよりも高 いパフォーマンスを発揮した。 ● 多言語で使用できるようなシステムに拡張する予定。