Abstract
在人類的語言中，有許多的字有許多不同的意義。人類很容易從文章中了解該字所代表的意義，但對電腦來說，這並不是一件容易的事。語意岐義解析便是指字義的辨識。語意岐義解析在自然語言處理中，是一個相當重要的問題。由於網際網路的快速發展，資訊成長的速度也日益加快。文章分類有助於人們取得所需的資訊。傳統文章分類的作法，大多是統計字在文章中出現的頻率或機率。在此論文中，我在先作語意岐義解析將它結合到文章分類上，以提高文章分類的正確率。在本文中，我們介紹如何結合語意岐義解析與文章分類。我們從文章中找出一些不同的屬性，並實驗比較那些屬性對於語意岐義解析較有用處。我們並實際比較了幾種不同的演算法，包括決策樹學習法，以及以貝氏理論為理論基礎的天真的貝氏分類法，還有實例學習法等演算法。看那一種演算法可以得到較高的正確率。最後，我們展示了，如何結合語意岐義解析與文章分類，我們先找出文章中比較容易作語意岐義解析的字，把這些字依機器可讀型字典中，所查出的語意編號編成特別的字串。並用這個字串來取代原有的字。對於那些無法在機器可讀型字典中找到的字，以及雖然可以在機器可讀型字典中找到，但是較不容易作語意岐義解析的字，保留原本的型式。經過這樣的處理之後，以可提高文章分類的正確率。