지난 2년 동안 생성형 대화형 대규모 언어 모델(LLM)의 발전으로 인간 수준의 대화 및 추론 경험을 제공하는 시스템 개발 경쟁이 가속화되었습니다. 그러나 최근 연구에 따르면 이러한 모델이 제공하는 언어 이해는 여전히 제한적이며, 특히 추론에 필수적인 단어의 문맥적 의미를 파악하는 능력은 인간 수준의 성능과는 거리가 멉니다. 본 논문에서는 다국어 단어 의미 구분(WSD)을 위한 단순하면서도 계산 효율적인 프레임워크를 제시합니다. 본 연구는 그룹 대수를 사용하여 BabelNet에서 개선된 의미 네트워크에 대한 클러스터 판별 분석으로 WSD 작업을 재구성합니다. 여러 WSD 벤치마크를 통해 방법론을 검증하여 모든 언어 및 작업, 그리고 품사별 개별 평가에서 새로운 최첨단 기술을 달성했습니다. 특히, 저자의 모델은 자원이 부족한 언어에서도 기존 대안보다 성능이 크게 뛰어나며, 파라미터 수를 72% 줄였습니다.
