وردنت

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو

وردنت (به انگلیسی: WordNet) یک پایگاه دادگانِ واژگانی برای زبان انگلیسی است. وردنت واژه‌های انگلیسی را به مجموعه‌های مترادفی که synsets نامیده می‌شود، گروه‌بندی می‌کند، تعاریف کوتاه عمومی را به‌دست می‌دهد، و روابط مترادف‌های گوناگون را با این مجموعه‌های مترادف ضبط می‌کند. هدف جمع‌کردن دو قسمت: برای تولید ترکیبی از دیکشنری و مجموعه اطلاعات است که ذاتاً خیلی مفید است و برای پشتیبانی از تحلیل متن خودکار و کاربردهای هوش مصنوعی به‌کار می‌رود. پایگاه دادگان و ابزارهای نرم‌افزار تحت پروانه‌های بی‌اس‌دی است و می‌توان آن‌ها را رایگان دانلود و از آن استفاده کرد. این پایگاه دادگان را همچنین می‌توان آنلاین پیمایش کرد.

تاریخ و اعضای تیم[ویرایش]

WordNet در لابراتوار علوم شناختی در دانشگاه پرینستون تحت مدیریت استاد روانشناسی، جرج آرمیتاژ میلر در 1985 که از 1985 فعالیت خود را آغاز کرده ایجاد شد و در سالهای اخیر نیز تحت مدیریت کریستین فلابوم قرار داشته است. این پروژه پشتیبانی مالی خود را از آژانس های دولتی دریافت می کند، منجمله بنیاد ملی علوم، DARPA، دفتر فناوری های پراکنده (سابقاً: فعالیت های پیشرفته تحقیق و توسعه)، و REFLEX. جرج میلر و کریستین فلابوم در سال 2006 به دلیل فعالیت روی WordNet برنده جایزه آنتونیو زامپولی شدند.

محتوای دیتابیس[ویرایش]

در نوامبر 2012، آخرین نسخه آنلاین WordNet، 3.1 بود. دیتابیس آن حاوی 155.287 کلمه بود به 117.659 ترکیب مختلف و مجموعا 206.941 جفت کلمه معنادار، چیده شده بودند. اندازه این دیتابیس به شکل فشرده حدود 12 مگابایت بود. WordNet شامل گروه های لغوی اسمها، فعلها، صفتها و قیدها بود اما حرفهای اضافه، صفتهای اشاره و دیگر لغات کاربردی را نادیده گرفته بود. واژه های گروههای مشابه لغوی که نسبتا مترادف بودند، در یک گروه نحوی دسته بندی می شدند. این گروه ها شامل کلمات ساده و نیز هم خانواده ها مانند خوردن و تناول کردن می باشند. مجموعه واژه های چند معنایی در گروه های مختلف مترادف قرار می گیرند. معنای یک مترادف می تواند از طریق توضیح مختصر یک کلمه دیگر یا چند مثال کاربردی، بیشتر روشن شود. یک نمونه از مترادف های صفتی عبارتند از: خوب، درست، مناسب- (مناسب ترین یا درست ترین برای یک هدف خاص؛ زمان خوب برای کاشت گوجه فرنگی، زمان مناسب برای عمل، زمان درست برای انجام تغییرات بزرگ اجتماعی). همه مترادف ها با دیگر مترادف های مرتبط هم معنی، ارتباط دارند. این روابط، که بین همه گروه های لغوی مشترک نیستند، عبارتند از:

اسامی[ویرایش]

هایپرنیم ها: Y یک هایپرنیم X است اگر هر X یک نوع Y باشد (کانین یک هایپرنیم از خانواده سگهاست) هیپونیم ها: Y یک هیپونیم از X است اگر هر Y یک نوع X باشد (سگ یک هیپونیم از خانواده کانین هاست) عبارات متناسب: Y یک شرط متناسب از X است اگر X و Y دارای هاپرنیم مشترک باشند (گرگ یک عبارت متناسب از سگ است، و سگ یک عبارت متناسب از گر) مرونیم: Y یک مرونیک از X است اگر Y بخشی از X باشد (پنجره یک مرونیم از ساختمان است) هولونیم: Y یک هولونیم از X است اگر X بخشی از Y باشد (ساختمان یک هولونیم از پنجره است)

فعلها[ویرایش]

هایپرنیم: فعل Y یک هایپرنیم از فعل X است اگر فعالیت X یک نوع Y باشد (درک کردن یک هایپرنیم از گوش کردن است) تروپونیم: فعل Y یک تروپونیم از فعل X است اگر فعالیت Y به نوعی از طریق فعالیت X انجام شود (تلفظ کردن یک تروپونیم از صحبت کردن است) مشروط: فعل Y شرطی از X است اگر با انجام X شما باید Y را هم انجام دهید (خرناس کردن مشروط به خوابیدن است) عبارات متناسب: افعالی که دارای هایپرنیم مشترکند (تلفظ کردن و فریاد زدن) این روابط معنایی در میان اهمه اعضای مترادف های مرتبط وجود دارد. اعضای (واژه های) مترادف مجزا می توانند از طریق روابط لغوی نیز به هم مرتبط شوند. برای مثال (یک معنای) از اسم مدیر مرتبط با (یک معنا از) کلمه مدیریت می باشد که از آن نوعی ارتباط ریخت شناسی معنایی است. کارکردهای ریخت شناسی نرم افزار توزیع شده روی دیتابیس، تلاشیست برای کاهش قیاس منطقی یا شکل ریشه ای یک واژه از ورودی کاربرد. شکلهای بی قاعده در یک فهرست ذخیره می شوند و برای مثال، گذشته فعال خورده است، خورده بود می شود.

ساختار دانش[ویرایش]

هم اسمها هم فعلها به صورت سلسله مراتبی چیده می شوند و بر اساس هایپرنیم یا روابط ISA تعریف می شوند. برای نمونه، یک معنای کلمه سگ در سلسله مراتب هایپرنیم زیر یافت می شود. کلماتی که در یک سطح قرار می گیرند، اعضای مترادف یکسان را نشان می دهند. هر مجموعه از مترادف ها دارای یک شاخص منحصربه فرد است. dog, domestic dog, Canis familiaris

 => canine, canid
   => carnivore
    => placental, placental mammal, eutherian, eutherian mammal
     => mammal
      => vertebrate, craniate
       => chordate
        => animal, animate being, beast, brute, creature, fauna
         => ...

در سطح بالا، این سلسله مراتب ها به صورت 25 درخت شروع برای اسمها و 15 مورد برای فعلها چیده شده اند (که فایل های لغت نویسی در سطح خاص نامیده می شوند). همه اینها مرتبط با یک مترادف ابتدایی منحصربه فرد به نام ورودی می باشند. سلسله مراتب اسمها نیز خیلی پایین تر از سلسله مراتب فعلهاست. صفتها در درختان سلسله مراتبی چیده نشده اند. در واقع دو متضاد محوری مانند گرم و سرد، ساختارهای دوگانه را تشکیل می دهند. در حالی که مترادف های مرتبط مانند بخار کردن و خنک شدن، از طریق روابط مشابهت به یکدیگر مرتبط می شوند. صفتها می توانند با این روش به صورت دمبل تصویرسازی شوند تا به صورت درخت.

ابعاد زبانی-روانی WordNet[ویرایش]

هدف اولیه پروژه WordNet، ایجاد یک دیتابیس لغوی است که عمدتا تشکیل شده از تئوری های حافظه معنایی انسان که در اواخر دهه 1960 مطرح شدند. تجربیات یا آزمایشات زبانی-روانی نشان می دهند متکلمین دانش خود از مفاهیم را به شکل اقتصادی سلسله مراتبی، سازماندهی می کنند. زمان بازیابی مورد نیاز برای دسترسی به دانش مفهومی، ارتباط نزدیکی با تعداد سلسله مراتب هایی دارد که متکلم به آنها برای عبور به سمت دسترسی به دانش نیاز دارد. بنابراین متکلمین می توانند با سرعت بیشتری می توانند تایید کنند که قناری ها می توانند آواز بخوانند، چون قناری یک پرنده آوازخوان است (خواندن یک ویژگی ذخیره شده در همان سطحی است که قناری ذخیره شده)، اما برای تایید اینکه قناری ها می توانند پرواز کنند، نیاز به زمان تایید کمی بیشتر است (جایی که آنها باید به مفهوم پرنده در سطح خیلی بالاتر رجوع کنند)، و حتی زمان بیشتری برای تایید اینکه قناری ها پوست دارند لازم است (چون لازم است به سطوح مختلف هیپونومی تا سطح بالای حیوان مراجعه شود). در حالی که این آزمایشات و تئوری های پشت آنها عمدتا مورد انتقاد قرار می گیرند، بخشی از ساختار WordNet منطبق با شواهد آزمایشات تجربی است. برای مثال، مشکل در قدرت تکلم به صورت خاص روی توانایی متکلمین برای تولید واژه های گروه های خاص معنایی تاثیر می گیرد، چیزی که سلسله مراتب WordNet محسوب می شود. صفتهای متضاد (صفتهای اصلی WordNet در ساختار دمبلی) خیلی بیشتر از اینکه به صورت تصادفی روی دهند، به صورت همزمان آورده می شوند، نکته ای که در مورد خیلی از زبانها صدق می کند.

وردنت از نظر هستی شناسی واژگان[ویرایش]

وردنت بعضی اوقات یک هستی شناسی نامیده می شود( یه ادعای محکم که سازندگانش آن را نمی سازند. رابطه های هم خانوادگی و وابستگی بین اسم های هم معنی می توانند به عنوان روابط تخصصی بین دسته های مفهومی ترجمه شوند. به عبارت دیگر ووردنت می تواند به عنوان یک هستی شناسی واژگان در علم رایانه ترجمه و استفاده شود.با این وجود یک چنین هستی شناسی ای باید قبل از اینکه استفاده شود اصلاح شود چرا که صدها ناسازگاری معنایی مبتدی دارد مانند(۱) وجود تخصص های رایج در دسته های منحصر به فرد و(۲) فراوانی در ساساه مراتب تخصص. از این فراتر تبدیل وردنت به یک هستی شناسی واژگان قابل استفاده برای ارایه ی علمی باید در بربگیرد (۱) شخیص روابط تخصصی به بالای واژه و نمونه ی روابط و (۲) شریک شود با شناسنده های منحصر به فرد ذاتی هر دسته. با این وجود این چنین اصلاحات و و تبدیلات به عنوان بخشی از مجتمع سازی وردنت۱.۷ به علوم قابل ارتقا با تشریک مساعی برپایه ی webKB-2 انجام و مدرک سازی شده اند. بیشتر پروژه هایی که ادعای دوباره استفاده کردن از وردنت رو برای برنامه های کاربردی براساس علوم (عموما بازیابی اطلاعات متمایل به علم) دارند به سادگی مستقیما از آن استفاده می کنند. وردنت همچنین به وسیله ی یک هیبرید بالا و پایین متالوجی به یک مشخصه ی خودمونی تبدیل شده است برای بازگشایی روابط از وردنت و این انجمن ها رو در یک ست لغات روابط مفهومی ترجمه می کند که به طور غیر رسمی در DOLCE هستی شناسی شالوده ای تعریف شده اند. در بیشتر کارها که ادعا می کنند وردنتی یکپارچه در هستی شناسی دارند محتوای وردنت به سادگی در مواقعی که ضروریه اصلح نشده اند در عوض وردنت به شدت در مواقع مناسب باز ترجمه و به روزرسانی شده است. این در حالتیه که به طور مثال سطح بالایی هستی شناسی وردنت طبق OntoClean یا وقتی که وردنت استفاده شده به عنوان یک منبع ابتدایی برای ساخت کلاس های SENSUS هستی شناسی باز ساخت یافته است.

محدودیت ها[ویرایش]

وردنت شامل اطلاعاتی از قبیل تلفظ لغات نمی شود و تنها اطلاعات محدودی در رابطه با کاربرد لغات دارد. وردنت هدف دارد که بیشتر لغات روز انگلیسی را پوشش دهد و شامل تعداد زیادی از دامنه های واژگان فنی نمی شود. وردنت معمول ترین روش برای درک لغات از طریق لغت نامه ی محاسباتی انگلیسی می باشد. با این وجود استدلال آورده اند که وردنت برتری های حسی رو رمزگذاری می کند به طوری که آنها خیلی ریز هستند. این مسئله سیستم WSD رو از رسیدن به یک سطح از نمایش که با انسان ها مشترک شود را باز میدارد. مسئله ی دانه دانه بودن به پیشنهاد طبقه بندی کردن روش ها که به طور اتوماتیک وار حس های مشترک لغات مشابه رو گروه بندی می کند خدشه وارد می کند.

گواهی شده در مقابل وردنت های باز[ویرایش]

بعضی وردنت ها متعاقبا برای دیگر زبان ها ساخته شده است. برآورد A 2012 وردنت ها و میزان مقبولیتشون رو لیست می کند. در یک تلاش بی وقفه ی کاربرد وردنت ها تشکیلات وردنت جهانی به آهستگی وردنت ها را به یک دامنه ی باز جایی که محققان و توسعه دهنگان به سادگی می توانند دسترسی پیدا کنند و از وردنت به عنوان منابع زبان برای تولید علوم هستی شناسی و لغوی در وظایف پردازش زبان طبیعی استفاده می کنند باز گواهی کرد. وردنت دوزبانه ی باز دسترسی به وردنت های گواهی باز رو در زبان های مختلف فراهم می کند که تمامی آن ها بهPWN متصل شده اند. هدف راحت کردن کار برای استفاده از وردنت ها در زبان های چند گانه است.

برنامه های کاربردی[ویرایش]

وردنت برای تعداد مختلفی از اهداف در سیستم های اطلاعاتی از قبیل حس لغوی و بازیابی اطلاعات و طبقه بندی خودکار متن و خلاصه سازی خودکار متن و ماشین ترجمه و حتی نسل خودکار جدول معمایی استفاده شده است. یک استفاده رایج از وردنت اندازه گیری شباهت های بین لغات است. الگوریتم های مختلفی پیشنهاد شده و این شامل اندازه گیری فاصله ی بین لغات و هم معنی ها در ساختار گراف وردنت است مانند شمارش تعداد لبه ها بین هم معنی ها. اینجوری که دو لغت یا هم معنی نزدیک به هم مثل معنی هاشون نزدیک به هم هستند. یک تعداد وردنت براساس الگوریتم های تشابه لغات در یک مجموعه ی Perl به نام تشابه وردنت ور در یک مجموعه ی زبان Python به نام NLTK پیاده سازی شده اند. بقیه ی ورد نت های بر اساس تکنیک های تشابه پیچیده شاملADW هستند که پیاده سازی آن ها در زبان Java قابل دسترس است. وردنت همچنین قادر به متصل شدن به بقیه ی واژگان است.

وجوه مشترک[ویرایش]

دانشگاه پرینستون به یک لیست از پروژه هایی که شامل لینک هایی به بعضی از وجوه مشترک برنامه نویسی برنامه های کاربردی استفاده شده می شود که مقدور هستند برای دسترسی به وردنتی که در حال استفاده از زبان ها و محیط های مختلفی است دست یافته است.


پیوند به بیرون[ویرایش]

وب‌گاه رسمی وردنت

مقاله‌های مرتبط[ویرایش]

منابع[ویرایش]

مشارکت‌کنندگان ویکی‌پدیا، «WordNet»، ویکی‌پدیای انگلیسی، دانشنامهٔ آزاد (بازیابی در ۲ فوریهٔ ۲۰۱۳).