Casi cada palabra en el texto tiene varias acepciones: "banco" puede referir a una institución, mueble, conjunto, peses, etc. Para los programas de procesamiento de lenguaje natural (recuperación de información, traducción automática, interfaces humano-computadora, adquisición de conocimiento, lingüística de corpus, etc.) es crucial que la acepción apropiada en el contexto ("Juan está sentado en un banco de madera" vs. "Para el examen se usó el banco de reactivos") se pueda determinar automáticamente. Aunque mucha investigación se dedica a esta tarea (WSD, word sense disambiguation), resulta muy difícil; la precisión actualmente no supera 75-80%. En este proyecto se investigarán dos aproximaciones para mejorarla. En la primera, en el contexto de la traducción automática, se intentará reducir el número de acepciones para cada palabra según sus traducciones diferentes. No es trivial dado que cada acepción tomada del diccionario común por lo regular tiene varias traducciones, así como diferentes acepciones pueden tener traducciones en común. Entonces, se buscará construir automáticamente un inventario de acepciones diferente al considerado en los diccionarios comunes y en cierto sentido ortogonal a éstos, pero optimizado para la selección más fácil por el contexto en la traducción automática. En la segunda aproximación, se investigarán las propiedades del método de Lesk de la desambiguación de los sentidos de las palabras (véanse nuestras publicaciones, nlp.cic.ipn.mx, para los detalles y definiciones). En particular, se comprobará la hipótesis de que el tamaño óptimo de la ventana (número de palabras del contexto considerado) en el método de Lesk depende de cada palabra. Más general, ha hipótesis es que existen clases de palabras que obedecen el clásico principio de Yarowsky "una acepción por discurso" y otras que no, o que lo obedecen a diferente escala de extensión del contexto, tal como oración, párrafo, sección, etc.

Desarrollar algoritmos y recursos léxicos para la desambiguación automática de los sentidos de las palabras, en particular en el contexto de la traducción automática, con la precisión y desempeño mejores que los métodos del estado del arte.

Algoritmos, software y recursos léxicos para la desambiguación automática de los sentidos de las palabras con la precisión y desempeño mejores que los métodos del estado del arte, así como algoritmos, software y recursos léxicos para la construcción de los inventarios de acepciones optimizados para la traducción automática.