近年，機械学習を用いた語義曖昧性解消の研究が多く行われている．語義曖昧性解消は，自然言語処理の基本タスクの1つであり，文章の意味理解に非常に重要である．教師あり学習を用いた語義曖昧性解消では，およそ90%程度の精度が期待できる．しかし，訓練データの作成コストが非常に高い．また，語義はその時代によって変化するため，訓練データのメンテナンスも必要である．一方，教師なし学習を用いた語義曖昧性解消では，およそ60%程度の精度である．これは，教師なし学習に語義を識別できる素性がないためである．本研究では，教師なし学習による語義曖昧性解消の素性検討を行う．実験では，WordNet で定義される上位語と下位語を対象とした．対象単語は普通名詞である．実験の結果，WordNetで定義される関係は一部の単語で有益な素性となる可能性が見られた．
