是否有上下文相似性的参考数据集？

Question

我正在做一些关于单词嵌入的实验，试图捕捉上下文感知的相似性，例如，单词对apple - hardware在水果商店的上下文中非常不同，但在IT环境中非常相似。

我的问题是，是否存在针对此挑战的基准数据集。我一直在找，但什么也找不到。

提前谢谢。

Answer 1

我认为一些用于词义消歧(WSD)的数据集是一种选择。

水务署的任务是把一个歧义词分类为正确的意思。例如，“苹果”就意味着1种水果，2种是科技公司。因此，标记的数据集标识了含义的正确上下文。

我不知道任何特定的数据集，但我假设最先进的报纸提到并使用了这些数据集。