Über Struktur Relationen Anwendungen WORDNET. 10. Juli Magdalena Soyka, Christoph Berkholz WORDNET

Transkript

1 Magdalena Soyka Christoph Berkholz 10. Juli 2008

2 Was ist WordNet? Ein am Cognitive Science Laboratory der Princeton University, New Jersey, USA, seit 1985 entwickelter Wortschatz der englischen Sprache. Lexikalische Datenbank, die semantische und lexikalische Beziehungen zwischen Wörtern bzw. deren Definition und Erläuterungen enthält. Beziehungen sind nach psycholinguistischen Erkenntnissen entworfen. Frei verfügbar (im Gegensatz zur deutschen Version).

3 Repräsentation Basiseinheit ist das Wort, sowie kurze Phrasen, die eine semantische Einheit bilden (engine block). Nomen, Verben, Adjektive und Adverben (Wörter) werden getrennt behandelt. Wichtigstes Konzept ist die Trennung von Wortform und Bedeutung. Repräsentiert werden Wörter durch sich selbst und die Bedeutung durch Synsets.

4 Synsets... sind Konzepte. fassen die Menge der dafür vorhandenen synonymen Wörter zusammen. stellen zentrale Einheit in WordNet dar. enthalten eine kurze Umschreibung, evtl. Beispielsätze. sind Aus- und Eingangspunkt für semantische Relationen.

5

6 Datenorganisation Zunächst je eine Datei für Nomina, Verben, Adjektive, Adverben (syntaktische Kategorien). Anwachsen der Datenbank -> weitere Unterteilung notwendig Verben und Nomen hierarchisch angeordnet basierend auf Hyperonymie-Beziehung. Hyperonymie - IS-A Obst - Apfel, Banane.. Hyperonym: Ober-/ Gattungsbegriff, dieser wiederum ist Hyponym. Ein Wort kann beides sein: Hund - Säugetier, Pudel - Hund

7 Datenorganisation Partitionierung der Nomen in 25 Files mit (unique) Hypernymen. noun files Tops, act, animal*, artifact*, attribute*, body*, cognition*, communication*, event, feeling*, food*, group, location, motive*, nat. object*, person*, nat. phenomenon, plant*, possession, process*, quantity*, relation*, shape, state, substance*, time* Partitionierung der Verben in 15 Files mit (unique)top-hypernymen. verb files body, change, cognition, communication, competition, consumption, contact, creation, emotion, motion, perception, possession, social, stative, weather * Diese Gruppen werden weiter abstrakt zusammengefasst in entity, organism, abstraction, psychological feature, welche in Tops zusammengefasst sind, semantisch aber leer sind.

8 Datenorganisation Adjektive sind in cluster arrangiert. Diese enthalten head und satellite synsets. Cluster organisieren sich um antonyme Paare/Tripel. Sind in einem File enthalten. Pertainyms sind relationale Adjektive (besitzen keine Antonyme). Werden in einem weiteren File gehalten. Besitzen eine derived from -Verknüpfung. Adverben haben keine gesonderte Anordnung und werden in einem File gehalten Antonymie - Gegensätzliches Natürliches: Leben-Tod, Morgen-Abend, klein-groß Vom Menschen wertendes: sauber-schmutzig, Liebe-Hass. Häufig zwei Pole, aber oft auch drei: old-present/future

9 Beziehungen zwischen Synsets Hyperonymie - IS-A Obst - Apfel, Banane.. Ordnungsrelation zwischen Synsets -> erzeugt eine semantische Hierachie bei Nomen und Verben (hier heißt es troponym/hypernym). Meronymie - Teil-Von... Finger ist Teil von der Hand die wiederum Teil von Arm. Arten in WordNet: Teil von (häufigste) Mitglied von/material aus dem.. gemacht ist Komposition Phase/Ablauf Nur bei Nomen vorhanden.

10 Beziehungen zwischen Wortformen Synonymie - Gleichbedeutendes Strikte Synonymie (gleich): Orange-Apfelsine sind in allen Kontexten austauschbar. Partielle Synonymie (ähnlich): PKW-Wagen-Auto, wirr- durcheinander sind differenzierbar durch folgende Aspekte: Geographie, Sprache, Fach-/Laienwort, Ursprung Sind durch Synsets repräsentiert. Antonymie - Gegensätzliches lexikalische Relation zwischen Wörtern und nicht semantische zwischen Wortbedeutungen: {rise, ascend} {fall,descend} - [ascend,descend], [rise,fall]

11 Beziehungen zwischen Wortformen Polysemie - Mehrdeutiges Horn: Tierkopfschmuck, Material, Musikinstrument, Bergform, Beule, als Verkleinerungsform Gebäck. Mehrere Bedeutungen eines Wortes.Meist existiert eine Hauptbedeutung : Fuchs - Raubtier/listiger Mensch Für jedes Wort wird ein Counter mitgeführt. Homonymie - Gleichlautendes Tau: Niederschlag, Seil. Unterschiedliche Bedeutungen mit oft unterschiedlichen Ursprung, z.b. aus Lautverschiebung enstanden. Werden Unterschieden in Homophone: Verben-werben und Homographe: Beinhaltung, Tenor Ist nur indirekt in WordNet vorzufinden. Verben: entailment (snore -> sleep) Adjektive: related nouns, similar to, participle of verb Adverben: root-adjectives

12 Einige Zahlen Insgesamt gibt es (unique) Wortformen.

13 Zugriff: Online: Offline-Programm zahlreiche Schnittstellen für diverse Programmiersprachen Übersicht: Anwendungen: Textklassifikation Erstellen von Kreuzworträtseln Informationsextraktion uvm.

14 Tools web interface: visualisation: similarity: rhymes: