汉语词汇中歧义词的出现给语言的使用带来了很大的变化和便捷,但同时也给自然语言的理解带来了很大困难。词义消歧的工作就是设法确定歧义词在特定语境下的语义。自然语言处理的相关领域中,词义消歧的问题是一种经常遇到的难题。随着自然语言处理应用的不断推广,词义消歧问题也逐渐成为了许多领域里急待解决的基础性难题。通过对消歧领域知识的深入学习,本文提出了一种基于统计学习的词义消歧方法。该方法以汉语句子为消歧单元,试图为句子中每个词汇找到一个对应的语义。这种方法能较好的利用汉语语境信息,也具有统计方法的灵活性和对语言发展的适应性。本文的研究内容主要分为以下三个方面:其一,介绍了词义消歧问题的提出和研究意义,以及在国内外的发展状况。分析了一些主流词义消歧技术的适用场景及可能遇到的问题。其二,分析了实验中使用到的相关词典和语料资源。包括《同义词词林》中层级的语义关联知识,并采用三层语义编码的方式表示实验中的语义。测试语料和训练语料各自的来源、组织方式和预处理等。最后针对测试语料和训练语料中语义表示方式存在的差异,根据语言学知识及研究目的设计了语义归一化的处理规则。其三,分析了词义消歧所用知识的来源,并采用短语-语义类的对应知识和语义类之间的关联知识来表示歧义词的语义环境,在这一基础上利用统计学方法学习这两方面知识,并构建了词义消歧模型。借鉴统计机器翻译系统Moses的解码算法,在汉语句子的语义类网络中寻找一条最优语义类序列,用于确定歧义词汇的真实含义。最后采用对比实验的方式,评测了该消歧模型的性能。