Impacto de Recursos Léxicos Manuales y Automáticos en la WSD Javier Tejada Cárcamo 1,2 , Hiram Calvo 3,4 , Alexander Gelbukh 3 , José Villegas 5 1 School of Computer Science, San Pablo Catholic University, Arequipa, Perú 2 Sociedad Peruana de Computación, Arequipa, Perú 3 Center for Computing Research, National Polytechnic Institute, Mexico City, 07738, México 4 Nara Institute of Science and Technology, Takayama, Ikoma, Nara 630-0192, Japan 5 School of System Engineering, San Agustin National University jawitejada@hotmail.com, hcalvo@cic.ipn.mx, calvo@is.naist.jp gelbukh@gelbukh.com, josvil@gmail.com Abstract. Las tareas de procesamiento automático de lenguaje natural usan diferentes tipos de recursos léxicos, que pueden clasificarse en manuales y automáticos. La comunidad académica tiene la creencia que los recursos manuales proporcionan datos con mayor semántica que los automáticos. No se puede adoptar esta creencia como verdadera o falsa para cada una de tales tareas. Hemos elegido la Desambiguación de Sentidos de Palabras como tarea, y muy en particular el método propuesto en Tejada et al. para su resolución. En dicho método, primero se obtiene automáticamente un conjunto de vocablos relacionados con el contexto del vocablo ambiguo. Luego, cada uno emite un voto por un sentido de la instancia ambigua, de tal manera que el sentido con mayor cantidad de votos es el elegido. En este artículo se varía el origen de los vocablos relacionados, usando recursos manuales, tal como el tesauro de Mobby, y automáticos, tales como el Tesauro de Lin y los Modelos de Espacios de Palabras. De esta manera, intentamos medir el impacto de ambos tipos de recursos en la Desambiguación de Sentidos de Palabras. Abstract. The tasks of automatic Natural Language Processing (NLP) use different types of lexical resources, which can be classified into manual and automatic. The academic community has the belief that manual resources provide data with more semantic than automatic. It is not possible adopt this belief as true or false for each of the NLP tasks. We have selected the Word Sense Disambiguation (WSD) as a task, and particularly the method proposed in Tejada et al. for its resolution. In this method, first, we have got a set of related words with the context of the ambiguous word. Then each one casts a vote for a sense of the ambiguous instance, so that the meaning with the most votes is elected. This article changes the origin of related words, using manual resources, such as Mobby thesaurus, and automatic, such as the Thesaurus of Lin and Word Space Models. In this way, we try to measure the impact of both types of resources in the WSD. Keywords: Lenguaje natural, recursos léxicos, tesauro, desambiguación de sentidos de palabras, modelo de espacio de palabras, no supervisados.