你有沒有看過「銀行」這個詞，明明都是同一個字，意思卻完全不同？
你可以把詞義消歧想成，讓電腦根據上下文判斷一個詞到底是在說哪個意思。
它重要，是因為很多中文和英文詞都有多重含義，意思選錯，整句理解就會歪掉。
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
詞義消歧 vs 關鍵字比對 關鍵字比對只找字有沒有出現，詞義消歧還要看上下文是哪一種意思。
詞義消歧 vs 命名實體辨識 命名實體辨識是找出人名、地名、組織名，詞義消歧是判斷多義詞的正確意思。
詞義消歧 vs 語意搜尋 語意搜尋是找相近內容，詞義消歧是先把單一詞的意思判清楚。
最關鍵的區別：WSD 是判斷「這個字現在代表哪個意思」。
記住這句就好
同一個字，先看上下文，再決定意思。
實際案例
銀行 vs 河岸 「我去銀行存錢」裡的銀行是金融機構，「他站在河岸邊」裡的 bank 是河邊。
Apple 的品牌與水果 在「Apple 發表新手機」裡，Apple 是公司；在「我吃了一顆 apple」裡，它是水果。
算法與應用
傳統方法會用詞典、語義網路和上下文特徵來判斷意思。
現代方法則常直接用語言模型或上下文向量，讓模型從整句話裡抓出最合理的詞義。
WSD 常出現在機器翻譯、資訊檢索、問答系統和語意分析裡。
情境判斷
Q1（直覺題）： 「我去銀行提款」裡的「銀行」，你會判成金融機構嗎？
→ 會，因為提款和銀行帳戶的上下文很明確。
Q2（判斷題）： 如果只看單獨一個詞，不看前後文，詞義消歧還做得準嗎？
→ 不一定。多義詞通常一定要看上下文，單看單詞很容易判錯。
常見問題
詞義消歧一定要用詞典嗎？
不一定，詞典是方法之一，現在很多模型會直接利用上下文表示來判斷。
中文也需要詞義消歧嗎？
需要，而且中文常常因為同字多義、同詞多義，判斷難度不低。
詞義消歧和大語言模型有關嗎？
有關，大語言模型本身就會用上下文去猜意思，只是精度和可控性依任務而異。
詞義消歧跟語意分析有什麼關係？
詞義消歧是語意分析的一部分，先把詞意分清，後面的理解才穩。