Woordensensedisambiguatie

Woordensensedisambiguatie (WSD) is een taak binnen de natuurlijke taalverwerking die gericht is op het bepalen van de juiste betekenis van een woord dat meerdere betekenissen (senses) kan hebben, afhankelijk van de context. Dit gebeurt aan de hand van een sense inventory, bijvoorbeeld een woordennetwerk zoals Cornetto voor het Nederlands, waar elke betekenis een aparte label heeft.

De kern van WSD is het linken van een woord in een zin met het meest plausibele sense uit het inventory. Traditioneel worden hiervoor knowledge-based methoden toegepast, zoals de Lesk-algoritme, die de overlap tussen definities en de omringende context meet. Ook grafentheoretische of statistische benaderingen worden gebruikt.

Voor het Nederlands bestaan specifieke bronnen zoals Cornetto en Open Dutch Wordnet, aangevuld met corpora zoals SoNaR. Moderne benaderingen combineren knowledge-based signalen met supervised leren op sense-annotated data. Daarnaast worden contextuele representaties uit neurale modellen ingezet; transfer learning en cross-linguale bronnen verbeteren prestaties in minder onderzoeksdata.

Toepassingen van WSD omvatten zoek- en informatieophaling, machinevertaling, vraag beantwoording en samenvatting. Door juiste senses te kiezen, verbeteren WSD-systemen de nauwkeurigheid van downstream taken en de kwaliteit van semantische matching.

Uitdagingen omvatten gebrek aan grote, gelabelde Nederlandse datasets, verschil in granularity van senses tussen inventarissen en domeinen, en beperkte dekkingsratio in specifieke vakgebieden. Evaluatie gebeurt met metrics als nauwkeurigheid en F1 op gestandaardiseerde datasets; prestaties variëren afhankelijk van sense-inventaris en data-kwaliteit.