参考资料： 使用WordNet和Lesk算法进行英文消歧义的Python实现

本文作者：白牛 我们之前开源了 LLM 群聊助手茴香豆（以下简称豆哥），它的特点是： 设计了一套拒答 pipeline，实用于群聊场景。能够有效抵抗各种文本攻击、过滤无关话题，累计面对 openmmlab 数千用户运行半年（ 17 个群、7w 条群消息）。这个过程确认了 text2vec 模型更适合反着用工业级开源。除算法 pipeline 外，还实现对应的 android、web ser

雷锋网AI科技评论按：本文为上汽集团人工智能实验室祝凯华，戴安南，范雪丽向雷锋网AI科技评论独家投稿。本文的研究对象是“面向中文短文本的实体链指任务”，该任务拥有9万条语句用于做实体识别和实体消歧。相应论文在该评测中获得top3。 全国知识图谱与语义计算大会(CCKS)每年都会举办一些竞赛评测。CCKS系列评测旨在为研究人员提供测试知识图谱与语义计算技术、算法、及系统的平台和资源，促进国内知识图

实体消歧问题是当下比较热点的研究问题，国内外的大多熟研究从两个角度解决实体歧义造成的影响，分别是通过寻求更高质量的特征和引入外部资源辅助消解。 在特征选取方面，何正焱[2]利用DNN（深度神经网络）方法，提出了一种文档和实体的相似度为框架的消歧模型；姜丽丽[3]提出了一种基于带权图结构的框架来实现人物实体的消歧工作，并使用实体标签对每个人物实体进行标注；Bagga和Baldwin[4]将不同文档

NLP 词义消歧

1.Entity Disambiguation(实体消歧)：就是把一个实体的具体意思搞明白，比如Apple，通过具体方法计算出，它是水果，还是苹果公司。 2.Entity Resolution(实体统一 )：给定两个实体，判断是否是指向同一个实体。 3.Co-reference Resolution(指代消解)：就是文本里的she,he,it到底指代的什么。

在词的层次上，语义分析的基本任务是进行词义消歧（WSD），在句子层面上是语义角色标注（SRL），在篇章层面上是指代消歧，也称共指消解。 词义消歧（WSD） 词义消歧有时也称为词义标注，其任务就是确定一个多义词在给定上下文语境中的具体含义。 词义消歧的方法也分为有监督的消歧方法和无监督的消歧方法，在有监督的消歧方法中，训练数据是已知的，即每个词的词义是被标注了的；而在无监督的消歧方法中，训练数

1、词义消歧方法分为：监督的和无监督的。 2、有监督的语义消歧方法：基于互信息的消歧方法： 基本思路：对每个需要消歧的多义词寻找一个上下文特征，这个特征能够可靠地指示该多义词在特定上下文语境中使用的是哪种语义。 3、有监督的语义消歧方法：基于贝叶斯分类器的消歧方法： 基本思路：在双语语料库中多义词的翻译（语义）取决于该词所处的上下文语境c， 4、基于义类辞典的消歧方法： 基本思想：多义

总结 文章来源： lawsonabs@CSDN

前言 接上回： pageController源码分析 这次记录一下pageView的拆解过程，其中没有太大关系的变量和方法会被忽略掉，还有一些在pageController 源码分析这篇文章中有介绍过的，我会标注。 PageView 我们先看构造函数：（它有三个构造函数，我们以PageView为入口） PageView({Key key,this.scrollDirection