WordNet 有“级别”吗？（自然语言处理）答案

【问题标题】：Does WordNet have "levels"? (NLP)WordNet 有“级别”吗？（自然语言处理）
【发布时间】：2009-11-08 10:29:19
【问题描述】：

例如...

鸡是一种动物。
墨西哥卷饼是一种食物。

WordNet 允许您执行“is-a”...层次结构功能。

但是，我怎么知道什么时候停止爬树呢？我想要一个级别。
这是一致的。

例如，如果呈现一堆单词，我希望 wordNet 对所有这些单词进行分类，但在某个级别上，所以它不会走得太远。将“墨西哥卷饼”归类为“事物”过于宽泛，而“墨西哥包裹食品”则过于具体。我想提升或降低层次......直到正确的水平。

【问题讨论】：

标签： python text nlp words wordnet

【解决方案1】：

WordNet 是一个词典而不是一个本体，因此“级别”并不真正适用。

有SUMO，如果你想要一个有向格而不是网络，它是一个与 WordNet 相关的上层本体。

对于某些领域，SUMO 的中级本体可能是您想要查看的地方，但我不确定它是否有“墨西哥包装食品”，因为它的大部分主题都是科学或工程。

WordNet 的层次结构是

beef burrito < burrito < dish/2 < victuals < food < substance < entity.

实体是一个顶级概念，因此如果您停止使用以下物质，您将获得墨西哥卷饼。您可以基于此计算一个级别，但它不一定与 SUMO 一样一致，或者生成您自己的一组有用的中级概念来终止。 WordNet 中没有“墨西哥包装食品”步骤。

【讨论】：

SUMO 大部分是科学还是工程？它不包含食物、人、汽车、工作等日常用语？
SUMO 是上层本体。页面上列出的中级本体（您可以在其中找到“事物”和“牛肉卷饼”之间的概念）不包括食物，但反映了资助该项目的组织的种类。人们有一个中级本体。还有一个用于行业（以及因此的工作），包括食品供应商，但如果你 grep 的话，就不会提到墨西哥卷饼。

【解决方案2】：

[请感谢 Pete Kirkham，他首先提到了 SUMO，这很可能回答了 OP 亚历克斯提出的问题]

（我只是在这里提供补充信息；我从评论字段开始，但很快就用完了空间和布局功能...）

Alex：SUMO 的大部分内容是科学还是工程？它不包含食物、人、汽车、工作等日常用词？
Pete K：SUMO 是上层本体。页面上列出的中级本体（您可以在其中找到“事物”和“牛肉卷饼”之间的概念）不包括食物，但反映了资助该项目的组织的种类。人们有一个中级本体。还有一个用于行业（以及因此的工作），包括食品供应商，但如果你 grep 的话，就没有提到墨西哥卷饼。

我的两分钱
100% 的 WordNet（3.0 即最新版本和旧版本）映射到 SUMO，而这可能正是 Alex 需要的。与 SUMO（或者更确切地说是 MILO）相关的中级本体有效地在特定领域中，目前不包括 Foodstuff，但由于 WordNet 确实（包括所有 - 嗯，许多 - 这些日常事物）不需要利用任何“在”SUMO 下的正式本体，而是使用 Sumo 的 WordNet 映射（可能除了 WordNet 之外，WordNet 也不是本体，但具有非正式和松散的“层次结构”也可能有所帮助。

然而，一些困难可能来自两个方面（然后是一些;-)？）：

SUMO 本体的“级别”可能不是您为特定应用所考虑的级别。例如，虽然“Burrito”带来了“Food”，但在 SUMO 中的顶级实体“Chicken”带来了“Chicken em>”，它只能通过长链找到“Animal”（具体为：Chicken->Poultry->Bird->Warm_Blooded_Vertebrae->Vertebrae->Animal）。
Wordnet 的覆盖范围和元数据令人印象深刻，但关于中级概念可能有点不一致。例如，“我们的”墨西哥卷饼的上位词是“Dish”，它提供了大约 140 种食物菜肴，其中包括“Soup”或“Casserole”等泛型以及“Chicken Marengo”（但省略了“Chicken Cacciatore”）

我提出这些问题的目的不是批评 WordNet 或 SUMO 及其相关本体，而是简单地说明与构建本体相关的一些挑战，特别是在中级。

尽管基于 SUMO 和 WordNet 的解决方案存在一些可能的缺陷和缺乏，但这些框架的实际使用可能很“符合要求”（85% 的时间）

【讨论】：

感谢您的澄清。如果我的目标是扫描一份文件，看看那个人有什么食物、工作、爱好、兴趣……你会如何建议我这样做？最好找到一个“食物”的词表和一个“爱好”和“运动”的词表吗？这样做最实用的方法是什么？
@Alex：因为您的目标域相对较少，所以我会考虑开发您自己的词典。您可以通过从 SUMO Wordnet 地图或类似来源中提取它们来“启动”它们。您可能还需要建立一个命名实体的列表（例如艺术家、运动员、城市、特定场馆等）。尽管构建这样的列表并不便宜，但您会发现生成的缩减域允许更草率的逻辑/启发式方法，以实现相似（或通常更好）的精度和标记中的召回。

【解决方案3】：

为了获得关卡，您需要预先定义每个关卡的内容。本体通常将这些定义为特定概念的直接 IS_A 子级，但如果不存在，您需要自己开发一种方法。

下一步是优先考虑每个概念，以防您只想为每个单词呈现一个类别。优先级可以通过多种方式完成，例如作为类别和单词之间的 IS_A 关系的计数，或者为每个类别手动选择优先级。对于每个单词，您可以选择具有最高优先级的类别。例如，您可能希望肉类成为“食物”而不是化学物质。

您可能还想选择一些单词，如果它们在路径中，它们会改变优先级。例如，如果您希望将某些也是食品的化学品标为化学品，但其他化学品仍应为食品。

【讨论】：

【解决方案4】：

WordNet 的上位词树以单词“entity”的单个根同义词集结尾。如果您使用的是 WordNet 的 C 库，那么您可以使用 traceptrs_ds 为同义词集的祖先获得一个 while 递归结构，并且您可以通过递归跟踪 nextss 和 ptrlst 指针直到您点击 null 来获得整个同义词集树指针。

【讨论】：

【解决方案5】：

对不起，请问哪个工具可以判断句子的“难度级别”？我希望找出句子的“相似难度级别”供用户阅读。

【讨论】：