سیدمحمدصادق دشتی - دکترای مهندسی نرمافزار، دانشگاه آزاد اسلامی واحد کرمان
عمید خطیبی بردسیری - عضو هیات علمی، دانشگاه آزاد اسلامی واحد کرمان

در این مقاله با بررسی نقش کلیدی برخی اسم ها در رفع ابهام معنایی متون انگلیسی، روشی بهینه مبتنی بر الگوریتم چگالی مفهومی و بااعمال معیارهای وزن دهی بر روی اسم های غیر مبهم، بر روی مجموعه متون COCA و Brown به منظور رفع ابهام معنایی کلمات ارایه شده است . در این روش نیز همانند چگالی مفهومی تمرکز بر روی بیشترین اسم های پوشش داده شده در ساختار سلسله مراتبیWordnet میباشد با این تفاوت که به اسمهای غیر مبهم که فرآیند ابهامزدایی بر اساس آنها انجام می پذیرد بر اساس سه پارامتر متفاوت،وزن اعطا می گردد تا بدینوسیله اسمهایی که ارتباط مفهمومی بیشتری با اسم مبهم دارند در فرآیند ابهامزدایی تاثیر بیشتری پیدا کنند. نتایجبررسی های صورت گرفته با بهره گیری از این سه پارامتر اعطای وزن، چه به صورت مجزا و چه به صورت ترکیبی، نشان از افزایش دقتابهام زدایی به میزان قابل قبولی را دارد.

رفع ابهام معنایی، چگالی مفهومی، مجموعه متون، رفع ابهام معنایی کلمات، Wordnet