词义消歧是自然语言处理领域中的一个重要研究问题。词义消歧的目的是为了确定歧义词汇在日常交流对话中的含义。句子中的语义信息和词性信息是两种重要的语言学知识,能够帮助确定歧义词汇的语义类别。随着自然语言处理领域的快速发展,词义消歧问题的解决成为了自然语言处理领域的一个难题。本文提出了一种半监督的词义消歧方法。以歧义词汇为中心,从左右邻接的词汇单元中抽取出消歧特征来构建词义消歧模型,并采用半监督的方法来优化词义消歧模型,提高词义消歧分类器的性能。本文的主要研究内容分为以下三个方面:其一,阐述了词义消歧问题的研究背景和意义,介绍了词义消歧技术在国内外的研究现状,并对目前的研究现状进行了分析,对词义消歧技术面临的难题进行了分析和说明。其二,介绍了实验中需要用到的词典资源和语料库,阐述了《同义词词林》的内容组织结构。对训练语料和测试语料的背景和内容进行了说明,介绍了其预处理过程。详细的说明了消歧特征的提取过程。其三,以歧义词汇左、右邻接词单元的词形、词性和译文作为消歧特征,来构建贝叶斯词义分类器;以歧义词汇左、右邻接词单元的词形和词性作为消歧特征,来构建最大熵词义分类器。采用Co-Training算法并结合大量无标注语料来优化词义消歧模型。使用Sem Eval-2007:Task#5的训练语料和哈尔滨工业大学的无标注语料来优化贝叶斯分类器和最大熵分类器,同时,对优化后的词义消歧模型进行测试。实验结果表明:运用本文所提出的半监督方法,词义消歧模型的准确率有所提高。