1.一种基于词统计与WordNet的义项表示与消歧方法，其特征是，包括如下步骤：步骤1、获取维基百科的离线页面文件，并对离线维基百科页面文件进行预处理，得到预处理好的维基百科语料；

步骤2、对于预处理好的维基百科语料，选取词频排在前K的词作为训练目标词与向量维度词进行词统计训练，得到词共现矩阵与词向量；

步骤3、从WordNet中获取词语的义项集及其同义词集；

步骤4、步骤2所得到的词共现矩阵与词向量和步骤3所得到的义项集及其同义词集，通过合并同义词的词向量，生成词语的义项向量；即：i i

步骤4.1、对于词语t的第i个义项t，将该词语t的词向量V(t)作为义项t的初始化义项i i向量SV0(t)，即令SV0(t)＝V(t)；

步骤4.2、对于同义词集中单义同义词st，依次采用下式将该单义同义词st的词向量Vi i i(st)与初始化义项向量SV0(t)进行迭代合并，生成义项t的一级义项向量SV1(t)，如下式所示：i i

SV1(t)＝{(si,wt(si,SV0(t))+wt(si,V(st))|si∈D1∪D2}i i

其中，wt(si,SV0(t))表示维度词si在初始化义项向量SV0(t)中的权重，wt(si,V(st))i表示维度词si在词向量V(st)中的权重，D1表示初始化义项向量SV0(t)中权重不为0的维度词的集合，D2表示词向量V(st)中权重不为0的维度词的集合；

i

在每次迭代合并前，先使用上一次迭代合并的结果SV1(t )作为初始化义项向量SV0i i i i i(t)，即令SV0(t)＝SV1(t)；若义项t 同义词集中不存在任何单义同义词，则令SV1(t)＝iSV0(t)；

步骤4.3、对于同义词集中多义同义词dt，依次采用下式将该多义同义词dt词向量Vi i i(dt)与一级义项向量SV1(t)进行迭代合并，生成义项t的二级义项向量SV2(t)，如下式所示：i i 2

其中，wt(si,SV1(t))表示维度词si在一级义项向量SV1(t)中的权重，wt(si,V(dt))表i i示维度词si在词向量V(dt)中的权重，wt(sj,SV1(t))表示维度词sj在一级义项向量SV1(t)i中的权重，D3表示一级义项向量SV1(t)中权重不为0的维度词的集合，D4表示词向量V(dt)中权重不为0的维度词的集合；

i i

在每次迭代合并前，先使用上一次迭代合并的结果SV2(t)作为一级义项向量SV1(t)，i i i i即令SV1(t)＝SV2(t)；若义项t 同义词集中不存在任何多义同义词，则令SV2(t)＝SV1i(t)；

i

步骤4.4、对于义项t同义词集中的组合同义词ct，将该组合同义词ct中的第一个词ft的词向量V(ft)作为组合同义词ct的初始化组合词向量CV0(ct)，即令CV0(ct)＝V(ft)；

步骤4.5、对于组合词同义词ct中的独立词at，依次采用下式将词向量V(at)与初始化组合词向量CV0(ct)进行迭代合并，生成组合同义词组合同义词ct的一级组合词向量CV1(ct)，如下式所示：其中，wt(si,CV0(ct))表示维度词si在初始化组合词向量CV0(ct)中的权重，wt(si,V(at))表示维度词si在词向量V(at)中的权重，wt(sj,CV0(ct))表示维度词sj在初始化组合词向量CV0(ct)中的权重，D5表示初始化组合词向量CV0(ct)中权重不为0的维度词的集合，D6表示词向量V(at)中权重不为0的维度词的集合；

在每次迭代合并前，先使用上一次迭代合并的结果CV1(ct)作为初始化组合词向量CV0(ct)，即令CV0(ct)＝CV1(ct)；

i i

步骤4.6、依次将步骤4.3所得t的二级义项向量SV2(t)与步骤4.5所得的一级组合词i i向量CV1(ct)进行迭代合并，生成义项t的最终向量SFV(t)，如下式所示：i i

其中，wt(si,SV2(t))表示维度词si在二级义项向量SV2(t)中的权重，wt(si,CV1(ct))i表示维度词si在一级组合词向量CV1(ct)中的权重，wt(sj,SV2(t))表示维度词sj在二级义i i项向量SV2(t)中的权重，D7表示二级义项向量SV2(t)中权重不为0的维度词的集合，D8表示一级组合词向量CV1(ct)中权重不为0的维度词的集合；

i i

在每次迭代合并前，先使用上一次迭代合并的结果SFV(t)作为二级义项向量SV2(t)，i i i i i即令SV2(t)＝SFV(t)；若义项t同义词集中无任何组合同义词，则令SFV(t)＝SV2(t)；

步骤5、从WordNet中获取词语的每个义项的注解集；

步骤6、将义项注解句与消歧文本形成待比较的文本对列表；

步骤7、将待比较文本对列表中的文本，进行词根还原处理，提取出它们之中的名词与动词分别作为它们的核心语义袋，以将文本对的比较转换为由名词和动词组成的核心语义袋的比较；

步骤8、通过核心语义袋，计算出词语每个义项的注解集与消歧文本之间的相似度；

步骤9、根据词语每个义项的注解集与消歧文本之间的相似度，输出注解集与消歧文本相似度最高的义项作为消歧结果。

2.根据权利要求1所述的一种基于词统计与WordNet的义项表示与消歧方法，其特征是，对于所生成的词向量和义项向量，只保存其中权重不为零的维度词及其权重，而将没有保存的维度词的权重默认为0。

3.根据权利要求1所述的一种基于词统计与WordNet的义项表示与消歧方法，其特征i i t是，步骤8中，词语t的义项t的注解集gloss(t)与待消歧词语t所在的消歧文本text之间i t的相似度sim(gloss(t),text)为：i t

sim(gloss(t),text)＝max{sim(glBagj,textBag)|j∈[1,pi]}其中，sim(glBagj,textBag)表示核心语义袋glBagj与textBag之间的相似度，max{·}表示求最大值，glBagj表示从注解句子glj中提取出的由名词与动词组成的核i i心语义袋，glj表示义项t的注解集gloss(t)中任意一个由分号分隔的注解句子，textBagt i表示从待消歧文本text中提取出的由名词与动词组成的核心语义袋，pi表示义项t的注解i集gloss(t)中注解句子的个数，B1表示核心语义袋glBagj，B2表示核心语义袋textBag，|·|表示核心语义袋中词语的个数，depth(u)表示词语u在WordNet层次结构中的深度，depth(v)表示词语v在WordNet层次结构中的深度，LCS(u,v)表示词语u与v在WordNet中的最近公共父结点，depth(LCS(u,v))表示最近公共父结点在WordNet层次结构中的深度。