詞義辨識：機器學習演算法特徵的選取與組合

詞義辨識（Word Sense Disambiguation,WSD）是自然語言處理中很重要的一環，本文利用Naïve Bayes的分類器（classifier）選用目標詞的詞性，相鄰詞及詞性，搭配語，語法依存關係及語義特徵等共九項特徵，以Le and Shimazu（2004）所提出的Forward Sequential Selection Algorithm來得到最佳的特徵組合。我們以Senseval-2中的English lexical sample做為訓練語料以及測試語料，得到61.2%的正確率，與Senseval-2參賽第一名的隊伍64.2%的正確率相差3%，與第4名史丹福大學的參賽隊伍相差0.5%。