我有一组给定的keywords，我知道它们只与我的应用程序相关。但是这些关键字在不同的上下文中可能具有不同的含义。只有一个意思对我有用，我事先知道。我怎样才能disambiguate他们在运行时的含义？
我尝试在市场上使用不同的Word Sense Disambiguation 方法，但效果不佳？
有人可以帮我吗？
【问题讨论】：
标签： machine-learning nlp classification keyword-search
词义消歧是一个悬而未决的问题，因此任何方法的成功都很大程度上取决于您的特定数据。如果您在运行时提供的关键字周围有足够的上下文，则可以计算 tf-idf (http://en.wikipedia.org/wiki/Tf%E2%80%93idf) 并将其与您感兴趣的词义的预先建立的 tf-idf 进行比较：当然，这意味着只有你感兴趣的感觉出现的训练数据。然后，您可以比较两个 tf-idf 向量，如果根据您可以通过实验建立的某个阈值它们足够相似（http://en.wikipedia.org/wiki/Cosine_similarity），那么您可以得出结论它们是相同的含义。祝你好运。
【讨论】：
消歧是根据上下文从预先指定的术语集（单词/搭配，或keyword）中选择一种含义的任务。这里的主要思想是计算每个含义和上下文之间的相似性，然后选择最接近的含义。此外，对含义进行先验分布也非常有用——例如，每个含义用于该术语的频率；顺便说一句，最常见的算法是一个很好的基线。
因此，您的任务是设置先验分布、定义相似性度量并选择上下文。通常只考虑本地上下文就足够了——每边 3 到 5 个最接近的词。 相似性度量很大程度上取决于您的字典（每个术语的含义集）和您的域。上面提出了一个示例 - tf-idf 向量上的余弦。
有了这个，你可以创建一个二元分类器；理想情况下，要训练机器学习，如逻辑回归，如果你有训练集，你可以准确地知道每个关键字是否具有有用的含义。 如果您只有正面示例（似乎由 user1981700 假设），那么您有类似 one class classifiction 的东西，通常性能较差。
希望这会有所帮助。如果您提供有关您的域和字典种类的更多详细信息，那么想出更合适的解决方案会容易得多。
【讨论】：