Sémantická analýza
WordNet
PLIN059
Mgr. Dana Hlaváčková, Ph.D.

Sémantická analýza
•sémantika (významy slov, slovních spojení)
•sémantické vztahy (hyperonymie – hyponymie; kohyponymie)
•často navazuje na analýzu morfologickou a syntaktickou
–min. určení slovních druhů (entity a abstrakce – substantiva, děje – slovesa, vlastnosti –
adjektiva)
•snaha o formální popis významů (jazykově nezávislý)
•
•ontologie
•pojmenované entity (information retrieval)
•analýza sentimentu
•sémantické sítě
•
•

Ontologie
•ontologie – významové struktury, skládají se z tzv. konceptů
–mělká (shallow)
–strukturovaná, hierarchická
–vrcholová (top ontology, upper ontology)
•SUMO http://www.adampease.org/OP/
–doménová (znalostní obor, terminologie, taxonomie)

Pojmenované entity
•named entity
•hledání předem definovaných kategorií v nestrukturovaném textu
•„sémantické nálepky“ ke slovům, slovním spojením, číslicím a znakům
•Named Entity Recognition (NER, CZPJ FI MU)
–https://nlp.fi.muni.cz/projekty/ner/v2/
•Czech Named Entity Corpus (CNEC, ÚFAL MFF UK)
–http://ufal.mff.cuni.cz/cnec/cnec2.0
–

Sémantické sítě
•FrameNet
–https://framenet.icsi.berkeley.edu/fndrupal/
•VerbNet
–https://verbs.colorado.edu/~mpalmer/projects/verbnet.html
•WordNet
–http://wordnet.princeton.edu
–

WordNet – motivace
•G. A. Miller (Princeton University) – psycholog a psycholingvista, psycholexikologie
•uspořádání významů v lidské lexikální paměti
•hierarchie
•experimenty – asociační testy, schopnost zpracovávat anaforické výrazy
•
•

WordNet – struktura
•model lexikální paměti, sémantická síť
•synset – synonymická řada (blízká synonyma), literál + číslo významu
•substantiva, adjektiva, verba, adverbia
•hierarchická struktura – hyperonyma, hyponyma, kohyponyma
•substantiva – tematické hierarchie
•verba – vztah vyplývání
•další sémantické vztahy – antonyma, holonyma, meronyma, domény ontologií SUMO, MILO
•derivační vztahy

WordNet – projekty
•Princeton WordNet  (1990–1995) – americká angličtina, G. A. Miller, Christiane Fellbaum
•EuroWordNet – Piek Vossen, University of Amsterdam
–EWN I (1997–1998) – angličtina, holandština, italština, španělština
–EWN II (1998–1999) – francouzština, němčina, čeština, estonština
•Balkanet (2001–2004), D. Christodoulakis, University of Patras – turečtina, rumunština, řečtina,
bulharština, srbština, čeština

EuroWordNet
•Base Concepts – jádro slovní zásoby (cca 1000 synsetů)
•Top-Ontology – 63 konceptů
–entity 1. řádu = objekty
–entity 2. řádu = stavy a procesy
–entity 3. řádu = abstraktní pojmy (množina)
•Interlingual Index – číslo, které propojuje významy v jednotlivých wordnetech

Odkazy
•Global WordNet Association
•http://www.globalwordnet.org
•nástroje, prohlížeče
•VisDic, DEBVisDic (doplněk Firefoxu), DEBVisDic 2 (webové rozhraní)
•Responsivity Aware Wordnet viewer (RAW)
•https://deb.fi.muni.cz/raw-viewer/rawviewer.html
–
•