4265276059

Zadaniem disambiguacji jest dostarczenie właściwych znaczeń pojęć, również w zależności od kontekstu, co służy wzrostowi precyzji odpowiedzi systemu wyszukiwania informacji. Disambiguacja pojęć przyczynia się do polepszenia funkcjonowania metod w kluczowych zadaniach systemów wyszukiwawczych:    wyszukiwaniu informacji

(dzięki mechanizmowi query expansion z wykorzystaniem deskryptorów i skryptorów konceptów, co pokazana w pracy [KrCrl992]), filtrowaniu informacji, klasyfikacji i kategoryzacji [HoSS2003], nawigowaniu oraz przy rozbudowie sieci semantycznych czy ontologii [HoSS2003], [KhMH2004] czy [Łabu2004],

Pierwsze metody, które zastosowano do disambiguacji pojęć miały charakter statystyczny lub lingwistyczny. Metody statystyczne posługiwały się standardowymi strukturami reprezentacji wiedzy: słowo, kolokacje oraz współwystąpienie słów. Najbardziej popularne metody z tej grupy, to analiza współwystępowania pojęć [Sandl997], analiza definicji pojęć poprzez ustalenie słów współwystępujących w pewnym otoczeniu pojęcia [Leskl986], klastering pojęciowy cech [HePel996], metody wykorzystujące słowniki wielojęzyczne [LeTV1993],

Metody lingwistyczne, w tym morfologiczne to m. in. analiza morfologiczna pojęć wprowadzona przez Zernika (zobacz [Sand2000]) czy metoda grafów konceptualnych [Sowal991], Warto zaznaczyć, że metody lingwistyczne mają charakter regułowy i charakteryzują się dużą złożonością obliczeniową.

W pracy [Sandl997] stwierdzono, że wyłącznie metody analizy lingwistycznej są w stanie pokonać poziom 90% skuteczności disambiguacji. Jednakże wyniki tej pracy nie uwzględniały rozbudowy struktur reprezentacji wiedzy, takich jak sieć semantyczna WordNet’ o

¹ WordNet Urvrvw.wordnet.princeton.edu) jest siecią semantyczną rozwijaną przez Cognitiye Science Laboratory na Uniwersytecie Princeton. ⁵