Streszczenie:
W ostatnich latach obserwowany jest szybki wzrost mocy obliczeniowych komputerów, co przekłada się na ich zwiększone możliwości. Dzięki temu, dziedzina przetwarzania języka naturalnego może rozwijać się szybciej i oferować coraz bardziej skomplikowane rozwiązania, które są w stanie zostać wykonane w czasie rzeczywistym.
Nierozłącznym etapem analizy tekstu, jest identyfikacja właściwych znaczeń słów w zdaniu. Jest to złożony problem i sprowadza się do sklasyfikowania słowa do jednego z jego możliwych znaczeń.
Celem tej pracy jest porównanie ze sobą różnych rozwiązań opartych o sieci neuronowe o architekturze Transformerów oraz innych dotychczasowych rozwiązań problemu ujednoznaczniania znaczeń słów niejednoznacznych. W tym celu dwa polskie modele o takiej architekturze, Polbert oraz HerBERT, zostały zaadaptowane do zadania klasyfikacji binarnej, której wyniki służą jako element narzędzia dezambiguacji.
