TreeMatch是一个完全无监督的词义消歧系统，利用特定领域知识库和依赖知识，显著提高了消歧精度，测试结果优于最频繁选择基线。

本研究探讨了词义消歧（WSD）在实际文本中的应用难题，提出了词义链接（WSL）任务，并采用基于变换器的架构以提升消歧义效果，研究表明该方法有助于更好地整合词汇语义于下游应用。

本研究评估了多种大型语言模型在瑞典语词义消歧中的表现，结果显示在有训练集的情况下，模型的准确度低于最佳监督系统，但高于无监督系统。此外，人类撰写的词义定义显著提高了模型的准确性。

本文探讨了词义消歧（WSD）在自然语言处理中的应用，分析了多义性和同音异义性对计算模型的影响。研究介绍了深度学习、知识图谱等多种方法，并讨论了生物医学消歧的具体应用。论文指出词义注释语料库的稀缺性等挑战，并提出未来研究方向，如大型语言模型和多语言系统，以提升计算机对语言的理解能力。

本文介绍了一种无监督的方法来区分名词的意义变化，构建了分布式词库网络，并通过聚类分析实现词义消歧。研究表明，该方法在识别新出现和意义变化方面表现良好，适用于词汇编纂和语义搜索。同时探讨了BERT模型在词义消歧中的能力及局限性，并提出改进算法和数据集，以提高词义嵌入的质量和覆盖范围。

SALMA是首个阿拉伯语语义注释语料库，包含约34K个令牌，使用现代和Ghani语义库进行注释。该语料库创新性地将令牌与多个语义关联，并提供评分。通过多种度量评估注释质量，结果显示高一致性。构建的词义消歧系统在现代语义库上的准确率达到84.2%。完整语料库和工具均为开源。

该研究设计了一种词义消歧系统，使用主题模型，能够在上下文单词数增加的情况下扩展。在5个英语全单词WSD数据集上的评估表明，该方法优于当前最先进的无监督知识为基础的WSD系统。

该论文提出了一个基于语言学动机和技术相关的希腊自然语言处理评估套件，引入了四个专家验证的评估任务，特别针对自然语言推理、词义消歧和隐喻检测。同时，确认了任务的挑战性，并强调希腊 NLP 生态系统需要加速进展以与当代主流研究保持同步的需求。

该研究提出了一种基于RoBERTa的隐喻检测模型ContrastWSD，结合了隐喻识别和词义消歧，通过对比上下文意义和基本含义来确定隐喻使用。该模型利用WSD模型的词义，优于其他方法在基准数据集上的表现。