Sustainable long-term WordNet development and maintenance: Case study of the Czech WordNet

RAMBOUSEK, Adam, Karel PALA and Aleš HORÁK. Sustainable long-term WordNet development and maintenance: Case study of the Czech WordNet. Cognitive Studies | Études cognitives. Warsaw: University of Silesia in Katowice & The Slavic Foundation, 2018, vol. 2018, No 18, p. 1-10. ISSN 2080-7147. Available from: https://dx.doi.org/10.11649/cs.1715.

Basic information

• Original name: Sustainable long-term WordNet development and maintenance: Case study of the Czech WordNet
• Name in Czech: Dlouhodobě udržitelný vývoj a údržba WordNetu: případová studie češtiny
• Authors: RAMBOUSEK, Adam (203 Czech Republic, guarantor, belonging to the institution), Karel PALA (203 Czech Republic, belonging to the institution) and Aleš HORÁK (203 Czech Republic, belonging to the institution).
• Edition: Cognitive Studies | Études cognitives, Warsaw, University of Silesia in Katowice & The Slavic Foundation, 2018, 2080-7147.

Other information

• Original language: English
• Type of outcome: Article in a journal
• Field of Study: 10201 Computer sciences, information science, bioinformatics
• Country of publisher: Poland
• Confidentiality degree: is not subject to a state or trade secret
• WWW: URL Open Access Journal
• RIV identification code: RIV/00216224:14330/18:00101639
• Organization unit: Faculty of Informatics
• Doi: http://dx.doi.org/10.11649/cs.1715
• UT WoS: 000457906200001
• Keywords (in Czech): EuroWordNet; BalkaNet; wordnet; Czech WordNet; DEBVisDic
• Keywords in English: EuroWordNet; BalkaNet; wordnet; Czech WordNet; DEBVisDic
• Tags: DEB, DEB development platform, DEB platform, DEBVisDic, WordNet, wordnet browser
• Tags: International impact, Reviewed

Abstract

Czech WordNet represents one of the first national wordnets created during the EuroWordNet and BalkaNet projects. However, the data contains various issues that affect the use of Czech WordNet in NLP applications. Since the publication of the first CzWN version, the semantic network was augmented in several phases, however, complex final editing and publishing process has not been finished. In 2017, we have started a project to evaluate and update the Czech WordNet, followed by a connection to the Collaborative Interlingual Index. In this paper, we provide an overview of Czech WordNet data updates and extensions, and present the roadmap to publish a revised version of the Czech WordNet under open license. Moreover, we introduce a developed concept for long-term updates and maintenance of the data based on crowdsourcing activities.

Abstract (in Czech)

Český Wordnet představuje jeden z prvních národních wordnetů, které byly vytvořeny během projektů EuroWordNet a BalkaNet. Bohužel data obsahují různé problémy, které mohou ovlivnit využití českého WordNetu v NLP aplikacích. Od zveřejněné první verze CzWN byly sémantická síť v několika fázích rozšířena, ale komplexní finální úpravy a proces zveřejněný zatím nejsou dokončené. V roce 2017 jsme spustili projekt k vyhodnocení a aktualizaci českého WordNetu a také propojení s Collaborative Interlingual Index. V tomto článku poskytujeme přehled verzí a rozšíření českého Wordnetu a také plán pro publikaci aktualizované verze s otevřenou licencí. Dále představujeme koncept dlouhodobých aktualizací a údržby dat založený na crowdsourcingu.

Links

• GA18-23891S, research and development project: Name: Hyperintensionální usuzování nad texty přirozeného jazyka

Investor: Czech Science Foundation

• LM2015071, research and development project: Name: Jazyková výzkumná infrastruktura v České republice (Acronym: LINDAT-Clarin)

Investor: Ministry of Education, Youth and Sports of the CR

• MUNI/A/0854/2017, interní kód MU: Name: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VII.

Investor: Masaryk University, Category A