在计算机语言学中,词义消歧是自然语言处理中一个重要问题,词义消歧即根据上下文确定对象语义的过程,在词义、句义、篇章中都会出现这种词语在上下文的语义环境中有不同的含义的现象。机器翻译、语音识别、文本分类和自动摘要等各种自然语言处理系统都涵盖了消除歧义这项工作,为了使这些系统更高效,提高消歧的准确率显得尤为重要。论文主要研究内容如下:(1)针对不同词典中词汇语义不唯一、语义编码不完善等问题将影响深度学习应用到词义消歧领域中,采用现有的《同义词词林》和《现代汉语词典》语料资源进行词义整合,将两部词典中义项数不同的多义词进行对照,找出更加合理的词义划分,为词义消歧研究提供多义词词汇语义及编码。(2)为解决多义词语料匮乏问题,本文提出一种基于伪实例聚类算法的多义词语料库自动构建方法。根据《现代汉语词典》与《同义词词林》查找多义词及等价伪词,再结合无标注语料库SogouCA新闻语料数据集利用等价伪词来获取足够的伪实例,可以对整个实验阶段做好充足的准备工作。该方法中最为关键的部分即为利用混合蛙跳改进的聚类算法对伪实例进行多次聚类,以获得最佳聚类效果,最后通过计算义项与每个聚类的相似度,引导伪实例获得正确分类,为伪实例标注统一标签。通过实验对比,本文提出的基于伪实例聚类算法构建语料库的方法平均准确率达到74.9%的准确度,高于二阶context向量、基于混合特征的规则法和隐马尔可夫等算法的平均准确率,具有较高的可靠性和可实施性,能够有效解决利用深度学习算法来处理词义消歧任务时缺乏语料库的问题。(3)使用整理归纳的多义词与扩展语料库作为数据集基础,克服缺乏语料库及编码不统一的问题,将深度学习运用到词义消歧任务。本文采用BERT-BiLSTM构造文本词义消歧模型,利用BERT模型训练的词向量作为输入,并加入词性向量特征,结合BiLSTM神经网络模型对多义词进行词义消歧。实验表明,利用BERT词向量能够更好的保存文本序列的上下文信息,更好的学习语义特征之间的关系,在同等数据集上本文提出的模型消歧准确率达到86.10%,消歧准确率高于基于上下文翻译的有监督词义消歧模型、基于目标词释义结合例句信息为特征的BiLSTM模型和基于词性、词形结合语义为特征的DBN模型。