自动识别多义词在具体语境中的正确词义是自然语言处理领域中一个很重要的基础工作。在许多自然处理研究领域中,例如信息检索、语音识别、机器翻译等,词义消歧都至关重要,并且直接影响系统的性能效果。本文首先分析了现有显式语义分析方法的不足,充分利用维基百科丰富的类别结构信息。将类别看作语义概念元素,通过添加了类别信息,从文档和类别这两个概念层次上考察词汇语义,使得生成的语义解释向量能够更合理地表征词义,从而提高语义计算结果。通过分析现有的词义消歧方法的不足,本文提出了一种基于语义概念的词义消歧方法,利用显式语义分析技术将歧义词所在的上下文以及它在机读词典WordNet中对应的词义定义映射到由自然概念组成的高维空间上,表征为概念空间上的语义解释向量。这些概念是从大型世界知识资源如维基百科中得到的,从更高的概念层次上进行判断推理可以有效地解决词汇稀疏问题而且更加符合人类分析判断过程。最后,在标准测试集上对这种词义消歧方法进行测试。实验结果表明了基于概念的消歧方法的有效性,而且与未改进的语义解释向量相比,消歧效果得到了提高,说明了改进的必要性和有效性。