پردازش زبان های طبیعی یکی از زیر شاخه های مهم در حوزه هوش مصنوعی و دانش زبان شناسی است. یکی از اولین مشکلاتی که در هر سیستم پردازش زبان طبیعی با آن مواجع می شویم، مسئله ابهام معنایی و ساختاری کلمات است. یافتن مفهوم صحیح یک کلمه درون جمله به ظاهر ساده است، اما این کار برای یک ماشین ، کاری بسیار دشوار است. برای اینکه ماشین بتواند عبارت های انسان را که بدون ساختار است به عبارت های با ساختار تبدیل کند باید مفهوم درست هر کلمه را تشخیص دهد و علاوه براینکه باید موقعیت کلمه در جمله مشخص شود باید مفهوم آن کلمه را بر اساس کلمه هایی که در اطرافش هستند، بدست آورد. به این تشخیص در اصطلاح ابهام زدایی مفهوم کلمات می گویند. ابهام زدایی از معنای یک کلمه به این توجه دارد که آن کلمه در چه جمله ای بکار رفته و با چه کلماتی همنشین شده است. زیرا یک کلمه در یک جمله یک معنی می دهد، در حالیکه همان کلمه در جمله ی دیگر معنای دیگری به خود می گیرد. در این پایان نامه چهار روش اصلی در راستای ابهام زدایی مفهوم کلمات که شامل روش باناظر، بدون ناظر، نیمه ناظر و روش مبتنی بر پایگاه دانش و فرهنگ لغت است را بررسی کردیم و با توجه به معایب و مزایای این روش ها، روشی جدید را مطرح کردیم. با توجه به بررسی جامع روش های موجود، روش مبتنی بر پایگاه دانش و فرهنگ لغت را مورد ارزیابی قرار دادیم و با استفاده از پایگاه دانش وردنت مفاهیم هر کدام از کلمات را استخراج کردیم و مفاهیم را با یکدیگر مقایسه نمودیم و با امتیازدهی به هر یک از مفاهیم کلمه ی مبهم، مفهوم درست را انتخاب کردیم.