[论文解读] Using WordNet for Building WordNets

Xavier Farreres, Germán Rigau+1 more|arXiv (Cornell University)|Jun 23, 1998

Natural Language Processing Techniques参考文献 12被引用 51

一句话总结

本文提出了一种快速构建多语种WordNet的方法，特别是西班牙语和加泰罗尼亚语WordNet，通过以英语WordNet作为结构骨干。该方法结合双语词典、单语词汇资源以及自动化的分类法抽取技术，将词汇映射到同义词集（synsets），然后采用自举（bootstrapping）方法填补空白并提升覆盖范围，在连接验证中实现了高达99%的精确率。

ABSTRACT

This paper summarises a set of methodologies and techniques for the fast construction of multilingual WordNets. The English WordNet is used in this approach as a backbone for Catalan and Spanish WordNets and as a lexical knowledge resource for several subtasks.

研究动机与目标

• 开发一种可扩展的半自动方法，用于构建多语种WordNet，尤其针对西班牙语和加泰罗尼亚语。
• 通过复用英语WordNet作为结构基础，降低手动构建的成本和时间。
• 将多种词汇资源——双语词典、单语词典以及现有的WordNet片段——整合到统一框架中。
• 通过迭代自举和连接关系的交叉验证，系统性地填补初始词汇到同义词集映射中的覆盖空白。
• 在符合EuroWordNet项目标准的同时，支持各语言特定WordNet的并行开发。

提出的方法

• 使用英语WordNet 1.5作为核心骨架，指导基础概念的选择，并为西班牙语和加泰罗尼亚语WordNet提供关系结构。
• 应用双语词典将西班牙语和加泰罗尼亚语词汇映射到英语同义词集，以翻译等价性作为语义对齐的代理。
• 从单语参考词典（MRDs）的词义层面提取分类关系（上位词关系），以构建语言特定的层级结构。
• 将自动提取的分类法与稀疏的词汇到同义词集映射相结合，识别并验证跨语言的新型连接。
• 实施一种自举策略，评估多种连接配置（例如通过双语或单语资源），并选择高置信度的链接以扩展覆盖范围。
• 使用置信度阈值和迭代优化，合并并验证连接，特别是在语义领域代表性不足的情况下。

实验结果

研究问题

• RQ1 如何有效利用英语WordNet作为骨干，以加速西班牙语和加泰罗尼亚语多语种WordNet的构建？
• RQ2 双语词典和单语词典在建立可靠词汇到同义词集映射及分类结构方面发挥什么作用？
• RQ3 如何通过整合多种语言资源，系统性地填补初始词汇到同义词集映射中的空白？
• RQ4 哪些跨语言和跨资源连接的配置能够实现自动化WordNet扩展中的最高精确率？
• RQ5 迭代自举能否在初始映射之外，提升多语种WordNet构建的覆盖范围和准确性？

主要发现

• 该方法在验证新添加的连接时，对本体和心理过程语义文件的精确率达到99%。
• 在沟通和食物语义文件中，使用第4类配置时，新添加连接的精确率分别达到78%和68%。
• 第1类配置（仅依赖单语词典导出的连接）实现了99%的精确率，表明基于分类法的链接具有极强的可靠性。
• 第2类和第4类配置的精确率较低但仍有显著意义（77%–89%），表明未经验证的双语链接可靠性较低。
• 整合多种连接路径（例如A和B）提升了置信度，并在模糊情况下实现了更稳健的推理。
• 自举方法成功扩展了初始稀疏骨架的覆盖范围，尤其在层级结构的底层和中层表现显著。