La disambiguazione (in inglese Word Sense Disambiguation o, abbreviato, WSD) è il processo con il quale si precisa il significato di una parola o di un insieme di parole (frase), che denota significati diversi a seconda dei contesti, per evitare che sia ambigua.
Il problema della disambiguazione, mediante appositi algoritmi, riveste particolare importanza nelle ricerche sull'intelligenza artificiale e, in particolare, sull'elaborazione del linguaggio naturale. Specificamente, si prevedono benefici della disambiguazione in programmi di traduzione automatica, recupero dell'informazione, estrazione automatica di informazioni, ecc.
I due esempi seguenti riguardano significati distinti della parola rombo:
Sebbene per un essere umano sia ovvio che la prima frase si riferisce al significato di pesce e la seconda a quello di figura geometrica, sviluppare algoritmi per replicare questa capacità umana è tipicamente difficile.
Un problema fondamentale della disambiguazione riguarda l'identificazione dei significati delle parole (inventari di senso). Quando una parola assume più significati, essa è detta polisemica. In casi quali la parola rombo, alcuni dei significati appaiono chiaramente distinti. Tali significati sono detti omonimi. Tuttavia, esistono altri casi di significati differenti strettamente correlati. Un esempio è quello di un significato correlato a un altro significato mediante metafora (ad esempio, divorare un patrimonio) o metonimia (bere un bicchiere). In tali casi, la suddivisione dei significati è molto più difficile: diversi dizionari forniscono suddivisioni differenti di significati per le parole. Una soluzione adottata dai ricercatori è stata quella di scegliere un particolare dizionario della lingua inglese, WordNet, e utilizzare il suo insieme di significati. Ricerche sono state effettuate anche utilizzando gli equivalenti di WordNet in altre lingue (per l'italiano, esistono BabelNet,[1] ItalWordNet[2] e MultiWordNet[3]). Sfortunatamente, WordNet codifica distinzioni di significato troppo raffinate, portando a prestazioni di disambiguazione deludenti. Ultimamente, sono state create distinzioni di significato meno raffinate che hanno portato a prestazioni di disambiguazione per la lingua inglese tra l'80% e il 90%.[4]
Altri progetti
contoh keberhasilan pemuliaan tanaman smk farmasi teladan mranggen ibukota republik demokratik kongo tari awaijale rilejale jang hyun-soo 10 hukum tuhan kristen smasa nganjuk alamat universitas setia budi sdn sidokare 3 suku suku di yogyakarta kecamatan di bukittinggi smp laboratorium percontohan upi contoh peristiwa deposisi bahasa hokkien taiwan aditya wibawa sakti manfaat penelitian smk ype kroya darul jihad squadre d'azione mussolini
final fantasy piala indonesia genre film fantasi pesantren darunnajah dr abda vennya adisuryo contoh kalimat basa hormat keur ka batur lembaga dakwah islam indonesia pasar gemahripah siakad iainu tuban jumlah marga yang ada di daerah lampung santi karno analis kebijakan utama bidang jianbang lemdiklat polri kim hyun joo grachi episodi completi in italiano kisah remus dan romulus smp sang timur jakarta barat contoh ilmu ekonomi terapan shiera septrisya kevin diks sdn malaka jaya 09 nam…
upt smp negeri 18 gresik foto susunan pemain nagoya grampus vs sanfrecce hiroshima download film that time i got reincarnated as a slime the movie scarlet bond blake bloosom u17 copa america lumban lintong singapur prono presidenti urss dopo stalin sma al azhar jember nunukan airport psm228 login palcos de la plaza de toros mexico gowd kecamatan pakisaji pgri 3 bogor smk kaliwungu ajib diptyanusa muerte en lusacia anime pleasant goat and big big wolf: dunk for future sumbe…