4265276060

nowe związki semantyczne i możliwości, choćby rejestrowanie polisemii, organizowanie znaczeń w grupy tematyczne.

W ostatnich latach wyjątkowo skutecznymi metodami usuwania wieloznaczności są metody oparte na bardziej złożonej reprezentacji wiedzy, w której wykorzystuje się takie struktury reprezentacji wiedzy jak tezaurusy, sieci semantyczne czy ontologie. Wyjątkowo dobrą skutecznością disambiguacji mogą poszczycić się reguły przetwarzania relacji dla pojęć z sieci semantycznej [KhMH2004], [Navi2004], klastering metodą COSA [HoSS2003] czy klastering kontekstu pojęć [PuPe2004], W pracy [GChY1992] stwierdzono, że człowiek podczas disambiguacji dokonuje w 96,8% właściwego wyboru znaczenia pojęć polisemicznych.

W pracy [Sand2000] znalazł się szereg wniosków ważnych dla systemów wyszukiwawczych. Zapytania składające się z jednego lub dwóch słów prowadzą do dużej niejednoznaczności pojęć i małej precyzji odpowiedzi. Dłuższe zapytania wprowadzają kontekst redukujący gwałtownie wieloznaczność i przyczyniają się do wzrostu precyzji odpowiedzi systemu. Z kolei w pracy [Gonzl998] pokazano, że system dokonujący disambiguacji pojęć z 40% dokładnością wyboru właściwego znaczenia obniża precyzję odpowiedzi systemu wyszukiwawczego o 3,5%. Natomiast system o 70% dokładności wyboru znaczenia pojęć przyczynia się do 2,2% wzrostu precyzji odpowiedzi systemu wyszukiwawczego. Ponadto zastosowanie kombinacji najlepszych metod: uwzględnienie kolokacji, współwystąpień i częstości występowania różnych znaczeń dla pojęć dało 62,1% dokładność disambiguacji. Kolejnym ważkim stwierdzeniem w tej pracy jest, że około 55% poziom dokładności wyboru znaczenia dla pojęcia wieloznacznego jest neutralny dla precyzji odpowiedzi systemu wyszukiwawczego. Zbyt wąski kontekst