WordNet介绍

WordNet

1 WordNet简介 

传统词典一般都是按字母顺序组织词条信息的，这样的词典在解决用词和选义问题上是有价值的。然而，它们有一个共同的缺陷，就是忽略了词典中同义信息的组织问题。20世纪以来，语言学家和心理学家们开始从一个崭新的角度来探索现代语言学知识结构以及特定的词典结构，终于由Princeton大学研制成功了一个联机英语词汇检索系统—WordNet，它作为语言学本体库，同时又是一部语义词典，在自然语言处理研究方面应用非常广泛。

WordNet与其他标准词典最显著的不同在于：它将词汇分成五个大类：名词、动词、形容词、副词和虚词。实际上，WordNet仅包含名词、动词、形容词和副词。虚词通常是作为语言句法成分的一部分，WordNet忽略了英语中较小的虚词集。

WordNet最具特色之处是根据词义而不是词形来组织词汇信息。可以说WordNet是一部语义词典。但是与按字母排列的语义词典以及按主题排列的语义词典都不同，它是按照词汇的矩阵模型组织的。如表2.1所示。同义词集合（synonymy set）可以看作是词形（word form）之间一种具有中心角色的语义关系。WordNet的2.0版本中，有115424个同义词集合，其中名词同义词集合就有79685个。基本上涵盖了我们常用的英语名词词汇。

表1 词汇矩阵概念示意：F1和F2为同义词；F2是多义词

 

词形

F1

F2

F3

…

…

Fn

M1

E(1, 1)

E(1, 2)

    

M2

 

E(2, 2)

    

M3

  

E(3, 3)

   

…

      

Mm

     

E(m, n)

表1简单说明了词汇矩阵的设想：假定表中的列代表词形，行代表词义，矩阵中的表元素对应列上的词形可以被用来表示相应表行上的词义（在一个适当的上下文环境中）。这样，表元素E(1,1)就表示：词形F1可以表示词义M1；如果同一表列中有两个表元素，则该词形具有两个义项，是个多义词（polysemy）；如果同一表行中有两个表元素，则对应的两个词形是同义的，相应的两个词是同义词（synonymy）。

2 WordNet中的语义关系 

WordNet中除了具有中心角色的同义关系外，还有反义关系、上下位关系和部分关系。

2.1 反义关系

 反义关系（antonymy）是很难定义的一种语义关系。一个词x的反义词有时并不是非x。例如，“富有（rich）”和“贫穷（poor）”是一对反义词，但是要说某个人不富有并不意味着一定穷；许多人认为自己既不富也不穷。反义词似乎是一种简单的对称关系，实际上却是相当复杂的。反义词是一种词形间的语义关系，而不是词义间的语义关系。例如，词义｛升高，上升｝和｛下落，下降｝可能在概念上是相对的，其中[升高/下落]是反义词，[上升/下降]也是反义词。但是，如果说“升高”与“下降”与“上升”于“下落”是否是反义词，就要考虑一下了。所以有必要区分词形之间的语义关系和词义之间的语义关系。反义关系为WordNet中的形容词和副词提供了一种中心组织原则。

2.2 上下位关系 

与同义词和反义词都是词形之间的词汇关系不同，上位关系（hypernymy）/下位关系（hyponymy）是词义之间的语义关系。例如：｛樟树｝是｛树｝的下位词，｛树｝又是｛植物｝的下位词。下位/上位关系也称为从属/上属关系，子集/超集关系，或ISA关系。如果以英语为母语接受以“An x is a (kind of) y”框架构造的句子，则同义词集合｛x1,x2,…｝表示的概念与同义词集合｛y1,y2,…｝表达的概念是下位概念和上位概念的关系。上下位关系具有某种限制，而且是一种不对称的关系。通常情况下，一个同义词集合如果有与之是下位概念和上位概念的关系的同义词集合，则也只有惟一的一个。即便是不惟一，同为上位概念的关系的同义词集合之间差别也是非常小的。这就产生了一种层次语义结构，其中下位词位于其上属关系的下层。这样的层次表达方法，Touretzky称作继承体系，它意味着下位词继承了上位词更一般化概念的所有性质，并且至少增加一种属性，以区别它与它的上位词以及该上位词的其他下位词。例如，“枫树”继承了其上位词“树”的属性，但却以其坚硬的木质、叶片的形状等特性区别于其他的树。这种方法为WordNet中的名词提供了一种核心的组织原则。在2.5.2节中我们将根据WordNet名词体系中的这一继承体系的特点，定义基于一个概念（同义词集合）的概念链。

2.3 部分关系 

同义关系，反义关系和上下位关系都是比较容易理解的语义关系。另一种语义关系称为“部分-整体关系”（简记为HASA），语言学家称之为部分词（meronym）/整体词（holonym）的关系。如果以英语为母语接受以“A y is an x”或“An x is a part of y”框架构造的句子，则同义词集合｛x1,x2,…｝表示的概念与同义词集合｛y1,y2,…｝表达的概念是部分概念和整体概念的关系。部分关系也具有某种限制，且是不对称的关系，可以构造一种部分等级关系。

3 WordNet名词体系中相关概念

下面，我们介绍WordNet名词体系中一些重要概念。

(1)   独立起始概念（Unique Beginner）

如果有一同义词集合（即概念）没有上位同义词集合（即上位概念），则称之为独立起始概念（Unique Beginner）。在WordNet名词体系中，共有25个独立起始概念。其他名词通过上位/下位关系与这25个独立起始概念构成25个独立的层次结构。也就是说，标识着某个起始概念特点的属性将它的所有下位概念所继承，而这个起始概念就可以看作为是该语义领域内的所有概念（同义词集合）的一个原始语义元素。如表2所示。

表2 WordNet名词体系的25个独立起始概念

｛动作，行为，行动｝

｛自然物｝

｛动物，动物系｝

｛自然现象｝

｛人工物｝

｛人，人类｝

｛属性，特征｝

｛植物，植物系｝

｛身体，躯体｝

｛所有物｝

｛认知，知识｝

｛作用，方法｝

｛信息，通信｝

｛量，数量｝

｛事件｝

｛关系｝

｛知觉，情感｝

｛形状｝

｛食物｝

｛状态，情形｝

｛团体，组织｝

｛物质｝

｛场所，位置｝

｛时间｝

｛目的｝

  

(2) 词典编撰ID（Lexicographer ID）

每一个同义词集合（synonymy set）均有惟一的一个编号，这个编号就称为词典编撰ID（Lexicographer ID）。

(3)   概念链（Concept Chain）

概念链一般的定义是这样一种结构：:=(C,<)，其中C代表的是概念集合，<代表概念间的下位/上位关系。也就是说概念链是由C概念集合中的概念通过概念间的上位/下位关系连接而成。

(4)   WordNet名词体系中的概念链（Concept Chain）

在WordNet名词体系中，我们定义概念链（Concept Chain）如下：

:=((C,<)<UBCi)，其中UBCi表示WordNet名词体系的一个独立起始概念，C代表的是概念集合，<代表概念间的下位/上位关系。也就是说概念链是以一个独立起始概念UBCi为链首，通过概念间的上位/下位关系连接与C概念集合连接而成。同时C概念集合中的概念也是通过概念间的上位/下位关系进行连接。如图1所示。

图1 一个概念链（Concept Chain）的例子

图1展示的就是一个概念链的示意范例。小三角形代表的是词“football”。每一个小圆圈都代表WordNet中的一个同义词集合（也就是概念）。小圆圈旁边的注释就是该同义词集合的内容。注释中的数字是该同义词集合的词典编撰ID（Lexicographer ID）。这个示意范例表达的是：词“football”有两个义项，即它在两个同义词集合中出现，也就是对应图中的两个小圆圈。小圆圈之间用带箭头的线连接，表示的是小圆圈所代表的概念通过下位/上位关系联系起来，从而构成概念链。概念链的首端对应的就是WordNet中的独立起始概念。比如：概念链ch1可以表示为：（3255461）<（2681909）<（3289024）<（3174243）<（3443493）<（19244）<（2645）<（16236）<（1740）。其中（3255461）作为概念链的末端代表的是词“football”的一个义项，而（1740）是WordNet中的独立起始概念，成为概念链的首端。概念“game equipment”（3289024）是概念“ball”（2681909）的上层概念，表达的语义更抽象。

URL of Wordnet: http://wordnet.princeton.edu