[论文解读] Roget's Thesaurus: a Lexical Resource to Treasure

Mario Jarmasz, Stan Śzpakowicz|arXiv (Cornell University)|Apr 1, 2012

Natural Language Processing Techniques参考文献 14被引用 14

一句话总结

本文提出从1987年版平装本《罗贝特词典》创建一个电子词典知识库，使用WordNet对语义关系进行标注。该研究定量和定性地比较了罗贝特词典与WordNet的结构，识别出组织方式的差异，并探讨了两种资源整合的潜力。

ABSTRACT

This paper presents the steps involved in creating an electronic lexical knowledge base from the 1987 Penguin edition of Roget's Thesaurus. Semantic relations are labelled with the help of WordNet. The two resources are compared in a qualitative and quantitative manner. Differences in the organization of the lexical material are discussed, as well as the possibility of merging both resources.

研究动机与目标

• 从1987年版平装本《罗贝特词典》开发一个结构化的电子词典知识库。
• 以WordNet作为参考框架，分析并标注《罗贝特词典》中的语义关系。
• 从定性和定量两方面比较《罗贝特词典》与WordNet的组织结构和语义覆盖范围。
• 评估将《罗贝特词典》与WordNet合并以增强词典资源整合可行性的可能性。

提出的方法

• 将1987年版平装本《罗贝特词典》数字化，以创建机器可读的词典数据库。
• 利用WordNet的层级和关系结构，将《罗贝特词典》的类别和子类别映射到语义关系。
• 应用人工与计算技术，将《罗贝特词典》的术语与相应的WordNet同义词集（synsets）对齐。
• 基于词汇覆盖范围、类别结构和关系类型，对两种资源进行比较分析。
• 评估组织方式的差异，例如概念分组与词法-语义聚类的使用。
• 通过识别重叠和互补的语义领域，评估两种资源合并的潜力。

实验结果

研究问题

• RQ1 如何系统性地将《罗贝特词典》的概念结构表示为数字的、机器可处理的格式？
• RQ2 《罗贝特词典》与WordNet在语义组织方面存在哪些关键差异？
• RQ3 《罗贝特词典》中的语义关系在多大程度上可以可靠地映射到WordNet的同义词集结构？
• RQ4 与WordNet相比，《罗贝特词典》作为词典资源的优势与局限性是什么？
• RQ5 是否存在一条可行的路径，将《罗贝特词典》与WordNet整合，以创建更全面的词典知识库？

主要发现

• 1987年版平装本《罗贝特词典》已成功转化为结构化的电子词典资源。
• 通过以WordNet为参考，系统性地标注了《罗贝特词典》中的语义关系，实现了跨资源对齐。
• 在词汇材料组织方面发现显著差异：《罗贝特词典》强调概念分组，而WordNet则聚焦于词法-语义聚类。
• 《罗贝特词典》的类别结构更宽泛、更抽象，而WordNet则采用更细粒度、基于分类法的组织方式。
• 本研究证明，将两种资源合并是可行的，且可增强词汇覆盖范围和概念丰富度。
• 重叠的语义领域和互补的结构特征支持了两种资源的整合潜力。