---
title: "詞義消歧（Word Sense Disambiguation）"
slug: word-sense-disambiguation
language: zh-TW
source: https://aiterms.tw/terms/word-sense-disambiguation
updated_at: 2026-04-29
tags: [自然語言處理, 機器學習, 深度學習, AI基礎, AI應用]
ipas_term: false
---

# 詞義消歧（Word Sense Disambiguation）

> **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
> **Q：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。
>
> **Q：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。
>
> **Q：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。
>
> **Q：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。

### 相關術語
> - **自然語言處理**：先看它，才能把詞義消歧放回整體任務裡
> - **語義分析**：先看它，才能知道詞義消歧屬於哪個層次
> - **嵌入表示**：先看它，才能理解模型怎麼把上下文變成可計算的資訊
> - **語言模型**：先看它，才能看懂現代 WSD 怎麼靠上下文判斷
> - **上下文窗口**：先看它，才能知道模型能看到多少前後文

---

來源：https://aiterms.tw/terms/word-sense-disambiguation
快查頁：https://aiterms.tw/terms/word-sense-disambiguation
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-word-sense-disambiguation