Thành viên:Vietnamesewordnet/Mạng từ

Mạng từ là một cơ sở dữ liệu từ vựng tiếng Anh. [1] Nó nhóm các từ tiếng Anh thành các tập hợp đồng nghĩa gọi là loạt đồng nghĩa, cung cấp các định nghĩa ngắn gọn và các ví dụ sử dụng, và ghi lại số lượng các quan hệ giữa các loạt đồng nghĩa này hay các thành viên của chúng. Theo cách đó Mạng từ có thể được xem như là một sự kết hợp của từ điển và từ điển đồng nghĩa và phản nghĩa. Trong khi người sử dụng có thể truy cập nó thông qua trình duyệt web, cách sử dụng trước hết của nó là trong phân tích văn bản tự động và các ứng dụng trí tuệ nhân tạo. Cơ sở dữ liệu và các công cụ phần mềm đã được tung ra thị trường/ phát hành dưới dạng giấy phép kiểu loại BSD (BSD style license) và được tự do tải về từ trang web của Mạng từ. Cả dữ liệu từ vựng (tài liệu của nhà Từ điển học) và trình biên soạn (được gọi là mài giũa) (grind) để tạo ra dữ liệu phát hành đều có. 

Lịch sử và các thành viên của nhóm

Mạng từ được xây dựng tại Phòng thí nghiệm Khoa học tri nhận của Đại học Princeton dưới sự lãnh đạo của Giáo sư Tâm lí học George Armitage Miller từ năm 1985 và dưới sự lãnh đạo của Christiane Fellbaum trong những năm gần đây. Dự án đã nhận được sự tài trợ từ các cơ quan chính phủ bao gồm Quỹ Khoa học Quốc gia (National Science Foundation), DARPA, Văn phòng Công nghệ Khai phá (Disruptive Technology Office) (trước đây là Hoạt động Nghiên cứu và Phát triển Nâng cao), và REFLEX. George Miller và Christiane Fellbaum đã được nhận Giải thưởng Antonio Zampolli năm 2006 vì công việc của họ dành cho Mạng từ.

Nội dung cơ sở dữ liệu

Cho đến tháng 11 năm 2012, phiên bản trực tuyến mới nhất của Mạng từ là 3.1[2]. Cơ sở dữ liệu bao gồm 155.287 từ được tổ chức thành 117.659 loạt đồng nghĩa với tổng số 206.941 cặp nghĩa-từ; ở dạng nén, nó khoảng 12 megabytes.

Mạng từ bao gồm các phạm trù từ vựng danh từ, động từ, tính từ và trạng từ và bỏ qua giới từ, hạn định từ và các từ chức năng khác.

Các từ thuộc cùng một phạm trù từ vựng đồng nghĩa tương đối với nhau được nhóm lại thành loạt đồng nghĩa. Loạt đồng nghĩa bao gồm các từ đơn cũng như các tổ hợp như "eat out" (ăn ở ngoài) và "car pool" (nhóm đi chung xe). Các nghĩa khác nhau của từ đa nghĩa được quy gán cho các loạt đồng nghĩa khác nhau. Nghĩa của một loạt đồng nghĩa được làm rõ hơn nhờ một chú giải xác định ngắn gọn và một hay hơn một ví dụ cách sử dụng. Một loạt đồng nghĩa tính từ điển hình như sau:

good, right, ripe – (most suitable or right for a particular purpose; "a good time to plant tomatoes"; "the right time to act"; "the time is ripe for great sociological changes")

Tất cả các loạt đồng nghĩa được kết nối với các loạt đồng nghĩa khác nhờ các quan hệ ngữ nghĩa. Những mối quan hệ này, không giống nhau ở tất cả các phạm trù từ vựng, bao gồm:

• Danh từ 
• bao: Y là bao của X nếu mọi X là (một loại của) Y (canine (họ Chó) là bao của dog (chó)) 
•  thuộc: Y là thuộc của X nếu mọi Y là (một loại của) X (dog (chó) là thuộc của canine (họ Chó))
• thuật ngữ ngang hàng: Y là thuật ngữ ngang hàng của X nếu X và Y cùng chung một từ bao (wolf (chó sói) là thuật ngữ ngang hàng của dog (chó), và dog (chó) là thuật ngữ ngang hàng của wolf (chó sói))
• phân: Y là phân của X nếu Y là một phần của X (window (cửa sổ) là phân của building (toà nhà)) 
• tổng: Y là tổng của X nếu X là một phần của Y (building (toà nhà) là tổng của window (cửa sổ)) 
• Động từ
• bao: động từ Y là bao của động từ X nếu hành động X là (một loại của) Y (to perceive (nhận thức) là bao của to listen (nghe)) 
• cách: động từ Y là cách của động từ X nếu hành động Y thực hiện X theo một cách nào đó (to lisp (nói ngọng) là cách của to talk (nói)) 
• suy ra: động từ Y được suy ra từ X nếu khi thực hiện X bạn phải thực hiện Y (to sleep (ngủ) được suy ra từ to snore (ngáy)) 
• thuật ngữ ngang hàng: những động từ này có chung từ bao (to lisp (nói ngọng) và to yell (la hét))

Những quan hệ ngữ nghĩa này diễn ra giữa các thành viên của các loạt đồng nghĩa có kết nối với nhau. Các thành viên của loạt đồng nghĩa đơn lẻ (các từ) cũng có thể được nối kết với các quan hệ ngữ nghĩa. Chẳng hạn, (một nghĩa của) danh từ "director" (người điều khiển, người chỉ huy) được nối với (một nghĩa của) động từ "direct" (điều khiển, chỉ huy) từ chỗ nó bắt nguồn thông qua một đường kết nối hình thái ngữ nghĩa

Các chức năng hình thái học của phần mềm phân phối dữ liệu cố gắng truy tìm (deduce) thân từ (lemma) hay gốc từ (stem) của một từ từ sự nhập liệu của người sử dụng. Các dạng thức bất quy tắc được lưu thành một danh sách, và khi tra từ "ate" (ăn) sẽ được dẫn tới "eat" (ăn), chẳng hạn.

Cấu trúc tri thức

Cả danh từ và động từ đều được tổ chức thành tầng bậc, được xác định bằng các quan hệ bao thuộc hay các mối quan hệ IS A. Chẳng hạn, một nghĩa của từ dog (chó) được tìm thấy trong hệ thống thứ bậc bao thuộc sau; các từ ở cùng một thứ bậc đại diện cho các thành viên của loạt đồng nghĩa. Mỗi nhóm đồng nghĩa có duy nhất một chú dẫn (index).  

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
                   => ...

Ở đỉnh, hệ thống thứ bậc này được tổ chức thành 25 “cây” gốc (beginner) cho danh từ và 15 cho động từ (được gọi là tài/ tư liệu từ vựng ở mức duy trì. Tất cả được nối với một loạt đồng nghĩa gốc duy nhất, “thực thể” (entity). Hệ thống thứ bậc của danh từ sâu hơn hệ thống thứ bậc của động từ.

Tính từ không được tổ chức thành cây thứ bậc. Thay vào đó, 2 “trung tâm” trái nghĩa như “nóng” (hot) và “lạnh” (cold) hình thành nên hai cực sóng đôi, trong khi các loạt đồng nghĩa “vệ tinh” như “steaming" (nổi giận) và "chilly” (lạnh lùng”) kết nối với cực tương ứng của chúng thông qua các quan hệ “tương tự” (similarity). Các tính từ có thể được trực quan theo cách này như "hình quả tạ” (dumbbells) hơn là “hình cây” (tree).

Khía cạnh Ngôn ngữ học tâm lí của Mạng từ

Mục đích ban đầu của dự án Mạng từ là xây dựng một cơ sở dữ liệu từ vựng phù hợp với lí thuyết bộ nhớ ngữ nghĩa của con người (human semantic memory) phát triển cuối những năm 1960. Các thực nghiệm tâm lí chỉ ra rằng người nói đã sắp xếp tri thức của họ về nhận thức theo hệ thống thứ bậc, tiết kiệm. Thời gian truy hồi cần thiết để truy cập tri thức khái niệm dường như quan hệ trực tiếp với số tầng bậc mà người nói cần “vượt qua” để tiếp cận tri thức. Do vậy, người nói có thể kiểm tra nhanh hơn chim hoàng yến (canaries) có thể hót vì chim hoàng yến là loài chim biết hót (“hót” (sing) là một thuộc tính được lưu trữ ở cùng một bậc với “chim hoàng yến”), nhưng đòi hỏi nhiều thời gian hơn một chút để kiểm tra xem chim hoàng yến có thể bay được hay không (nơi họ phải truy cập khái niệm “chim” (bird) ở bậc trên) và thậm chí cần nhiều thời gian hơn để kiểm tra xem chim hoàng yến có da hay không (cần phải tra cứu qua nhiều cấp bậc bao thuộc, tới tận “động vật” (animal). [4] Trong khi những thực nghiệm và các lí thuyết cơ bản là chủ đề để bình phẩm, một vài tổ chức của Mạng từ thì phù hợp với chứng cứ thực nghiệm. Chẳng hạn, chứng mất ngôn ngữ không có mục đích (anomic aphasia) ảnh hưởng một cách có chọn lựa tới khả năng tạo từ của người nói từ một phạm trù ngữ nghĩa cụ thể, hệ thống thứ bậc của Mạng từ. Các tính từ trái nghĩa (các tính từ trung tâm của Mạng từ trong cấu trúc hình quả tạ) được thấy xảy ra đồng thời thường xuyên hơn là ngẫu nhiên, một thực tế đã được thấy trong nhiều ngôn ngữ.

Mạng từ như là một thực thể từ vựng

Mạng từ thỉnh thoảng được gọi là thực thể, thuộc tính bền vững mà không do người sáng tạo ra nó tạo ra. Các mối quan hệ bao/thuộc giữa các loạt đồng nghĩa danh từ có thể được diễn giải như là các mối quan hệ được chuyên biệt hoá giữa các phạm trù khái niệm. Nói một cách khác, Mạng từ có thể được diễn giải và sử dụng như là một thực thể từ vựng theo cái nghĩa của khoa học máy tính. Tuy nhiên, một thực thể như vậy thông thường nên được sửa chữa trước khi được sử dụng vì nó chứa hàng trăm sự đối lập ngữ nghĩa cơ bản như (i) sự tồn tại của sự chuyên biệt hoá phổ biến cho các phạm trù đơn nhất (exclusive) và (ii) sự dư thừa trong hệ thống thứ bậc chuyên biệt hoá. Hơn nữa, cải biến Mạng từ thành thực thể từ vựng có thể sử dụng được để biểu thị tri thức thông thường cũng nên bao gồm (i) sự phân biệt các quan hệ chuyên biệt hoá thành các quan hệ tiểu loại Của (Of) và trường hợp Của (Of), và (ii) liên kết các sự nhận dạng đơn nhất về mặt trực giác với mỗi phạm trù. Mặc dù những sự sửa chữa và cải biến như vậy đã được thực hiện và chứng minh bằng tài liệu như là một phần của sự tích hợp của Mạng từ 1.7 cơ sở tri thức có thể cập nhật được có tính chất cộng tác của WebKB-2,[5] (một cách điển hình, truy hồi thông tin định hướng tri thức (knowledge-oriented information retrieval), một cách đơn giản sử dụng lại nó một cách trực tiếp. Mạng từ cũng đã bị biến đổi thành một sự chuyên biệt hoá chính thức, bằng các phương tiện của phương pháp lai ghép đảo lộn từ trên xuống dưới để trích rút một cách tự động các mối quan hệ liên kết từ Mạng từ, và diễn giải các mối liên kết này bằng thuật ngữ của một loạt các quan hệ nhận thức, được định nghĩa chính thức trong thực thể nền tảng DOLCE (DOLCE foundational ontology). 

Trong phần lớn các công trình khẳng định đã hoà nhập Mạng từ vào các thực thể, nội dung của Mạng từ vẫn chưa được chỉnh sửa một cách đơn giản khi mà nó dường như là rất cần thiết; để thay thế, Mạng từ đã được diễn giải lại một cách nặng nề và cập nhật bất cứ khi nào thích hợp. Đây là trường hợp khi mà, chẳng hạn, thực thể ở mức đỉnh của Mạng từ được cấu trúc lại[7] tuỳ theo sự tiếp cận dựa trên OntoClean hay là khi Mạng từ được sử dụng như là nguồn chính yếu để xây dựng các lớp thấp hơn của thực thể SENSUS.

Hạn chế

Mạng từ không bao gồm các thông tin về từ nguyên hay cách phát âm của từ và nó chỉ chứa các thông tin rất hạn chế về cách dùng. Mạng từ nhằm bao phủ phần lớn tiếng Anh hàng ngày và không bao gồm nhiều thuật ngữ cụ thể của một lĩnh vực nào.  

Mạng từ là từ điển máy tính tiếng Anh được sử dụng phổ biến nhất để khử nhập nhằng nghĩa từ (word sense disambiguation (WSD)), một nhiệm vụ nhằm quy gán nghĩa thích hợp với ngữ cảnh (nghĩa là các thành viên của loạt đồng nghĩa) cho từ trong một văn bản. [8] Tuy nhiên, vẫn còn ý kiến bàn cãi rằng Mạng từ mã hoá sự phân biệt nghĩa đã được làm mịn. Sự tranh cãi này ngăn cản hệ thống khử nhập nhằng nghĩa từ đạt được mức độ biểu đạt có thể so sánh được với con người, kẻ luôn không đồng ý khi đương đầu với nhiệm vụ lựa chọn nghĩa từ một từ điển mà nghĩa đó làm cho một từ hợp với một ngữ cảnh. Vấn đề có tính hạt nhân này đã được khắc phục bằng phương pháp nhóm các đề xuất (proposingclustering) đã tự động nhóm các nghĩa tương tự của cùng một từ vào với nhau.

Mạng từ có phép hay Mạng từ mở

Sau đó, một số mạng từ đã được xây dựng cho các ngôn ngữ khác. Một cuộc điều tra năm 2012 đã lập ra danh sách các mạng từ và tính khả dụng của nó. [12] Trong một nỗ lực truyền bá cách sử dụng của Mạng từ, cộng đồng Mạng từ toàn cầu đã dần dần cấp phép lại cho các Mạng từ của họ tới một miền mở nơi mà các nhà nghiên cứu và phát triển có thể dễ dàng truy cập và sử dụng Mạng từ như là tài nguyên ngôn ngữ để cung cấp tri thức từ vựng và thực thể trong nhiệm vụ Xử lí ngôn ngữ tự nhiên (Natural Language Processing).

Mạng từ đa ngôn ngữ mở (The Open Multilingual WordNet)[13]cung cấp sự truy cập cho các mạng từ được cấp phép mở bằng đủ loại ngôn ngữ, tất cả được nối với Mạng từ tiếng Anh của Princeton (PWN). Mục đích là để việc sử dụng các mạng từ bằng nhiều ngôn ngữ trở nên dễ dàng.

Ứng dụng

Mạng từ được sử dụng cho một số các mục đích khác nhau trong hệ thống thông tin, bao gồm khử nhập nhằng nghĩa từ, truy hồi thông tin, phân loại văn bản tự động, tóm tắt văn bản tự động, dịch máy và thậm chí lập các bảng trò chơi ô chữ tự động.

Cách sử dụng phổ biến của Mạng từ là xác định sự tương tự giữa các từ. Nhiều thuật toán khác nhau đã được đề xuất, và các thuật toán này bao gồm cả việc đo đạc khoảng cách giữa các từ và các loạt đồng nghĩa trong cấu trúc đồ hoạ của Mạng từ, như là tính toán số cạnh giữa các loạt đồng nghĩa. Trực quan là hai từ hay loạt đồng nghĩa càng gần nhau thì nghĩa của chúng càng gần nhau. Số lượng các thuật toán từ tương tự dựa vào Mạng từ được thực hiện trong gói Perl được gọi là Sự tương tự Mạng từ (WordNet::Similarity), [14] và trong gói Python được gọi là NLTK. Những kĩ thuật tương tự dựa trên Mạng từ phức tạp hơn khác gồm ADW,[15] cái mà sự thực hiện nó chỉ có giá trị trong Java. Mạng từ cũng có thể được sử dụng để kết nối chéo các bảng từ vựng khác.

Giao diện

Princeton duy trì một danh sách các dự án liên quan[17] bao gồm các kết nối tới một vài giao diện lập trình ứng dụng đã được sử dụng rộng rãi sẵn sàng cho việc truy cập Mạng từ sử dụng các ngôn ngữ và môi trường lập trình khác nhau.

Các dự án và phát triển mở rộng liên quan

Mạng từ được kết nối với nhiều cơ sở dữ liệu của trang Web ngữ nghĩa (Semantic Web). Mạng từ cũng được tái sử dụng phổ biến thông qua các ánh xạ giữa các loạt đồng nghĩa của Mạng từ và các phạm trù từ các thực thể. Thông thường nhất, chỉ các phạm trù ở mức đỉnh của Mạng từ mới được ánh xạ.

Hiệp hội Mạng từ toàn cầu

Hiệp hội Mạng từ toàn cầu (The Global WordNet Association (GWA))[18] là tổ chức phi thương mại và công cộng (public) đã cung cấp một diễn đàn để thảo luận, chia sẻ và kết nối các mạng từ cho tất cả các ngôn ngữ trên thế giới. Hiệp hội Mạng từ toàn cầu cũng xúc tiến sự chuẩn hoá của các mạng từ thông qua các ngôn ngữ khác nhau để đảm bảo sự thống nhất trong việc liệt kê danh sách các loạt đồng nghĩa khác nhau trong ngôn ngữ của nhân loại. Hiệp hội Mạng từ toàn cầu giữ danh sách của các mạng từ đã phát triển trên khắp thế giới.

Các ngôn ngữ khác

• CWN (Mạng từ tiếng Trung Quốc (Chinese Wordnet hay 中文詞彙網路)) do Trường Đại học Quốc gia Đài Loan tài trợ. [20] 
• WOLF (Mạng từ Tự do tiếng Pháp (WordNet Libre du Français)), phiên bản tiếng Pháp của Mạng từ.[21] 
• JAWS (Just Another WordNet Subset), phiên bản tiếng Pháp khác của Mạng từ [22] được xây dựng bằng cách sử dụng Wiktionary và khoảng trống ngữ nghĩa 
• IndoWordNet[23] là cơ sở tri thức từ vựng đã được kết nối của các mạng từ của 18 ngôn ngữ đã được sắp xếp của Ấn Độ. 
• Dự án MultiWordNet,[24] Mạng từ đa ngôn ngữ nhằm xây dựng Mạng từ tiếng Italia được liên kết chặt chẽ với Mạng từ Princeton. 
• Dự án EuroWordNet[25] đã xây dựng Mạng từ cho nhiều ngôn ngữ châu Âu và đã kết nối chúng với nhau nhưng chúng không miễn phí. Dự án Mạng từ toàn cầu cố gắng sắp xếp việc xây dựng và kết nối của “các mạng từ” cho tất cả các ngôn ngữ.[26] Nhà in Đại học Oxford (Oxford University Press), Nhà xuất bản Từ điển tiếng Anh Oxford, đã có những kế hoạch xây dựng đối thủ trực tuyến của chính họ với WordNet.[citation needed]
• Dự án BalkaNet[27] đã xây dựng Mạng từ cho sáu ngôn ngữ châu Âu (Bulgaria, Czech, Hi Lạp, Romania, Thổ Nhĩ Kì và Serbia). Đối với dự án này, trình soạn thảo Mạng từ dựa trên XML dựng sẵn một cách tự do đã được phát triển. Trình soạn thảo này – VisDic – không còn nằm trong sự phát triển tích cực nữa, nhưng vẫn tiếp tục được sử dụng để xây dựng nhiều Mạng từ. Thế hệ tiếp theo của nó, DEBVisDic, là ứng dụng máy khách-máy chủ và hiện được sử dụng để soạn thảo nhiều Mạng từ (Tiếng Hà Lan trong dự án Cornetto, tiếng Phần Lan, tiếng Hungaria, một số ngôn ngữ châu Phi, tiếng Trung Quốc). 
• UWN là cơ sở tri thức từ vựng đa ngôn ngữ được xây dựng một cách tự động mở rộng Mạng từ để bao phủ hơn một triệu từ trong nhiều ngôn ngữ khác nhau.[28] 
• Những dự án như BalkaNet và EuroWordNet làm cho việc xây dựng những mạng từ độc lập được nối kết với mạng từ gốc trở nên khả thi. Một trong số những dự án đó là Mạng từ tiếng Nga (Russian WordNet) do Đại học Giao thông vận tải bang Petersburg (Petersburg State University of Means of Communication)[29] tài trợ hay Mạng tiếng Nga (Russnet)[30] do Đại học bang Saint Petersburg (Saint Petersburg State University) tài trợ. 
• FinnWordNet là phiên bản tiếng Phần Lan của Mạng từ mà ở đó tất cả các mục từ của Mạng từ tiếng Anh gốc đều được dịch ra. [31] 
• GermaNet là phiên bản tiếng Đức của Mạng từ do Đại học Tübingen[32] phát triển. 
• OpenWN-PT là phiên bản tiếng Bồ Đào Nha Braxin của Mạng từ gốc luôn có thể tải về một cách tự do theo giấy phép CC-BY-SA.[33] · plWordNet[34] là phiên bản tiếng Ba Lan của Mạng từ do Đại học Công nghệ Wrocław (Wrocław University of Technology) phát triển. 
• PolNet[35] là phiên bản tiếng Ba Lan của Mạng từ do Đại học Adam Mickiewicz ở Poznań (Adam Mickiewicz University) phát triển (phát hành theo giấy phép CC BY-NC-ND 3.0). 
• BulNet là phiên bản tiếng Bulgaria của Mạng từ được phát triển tại Khoa Ngôn ngữ học máy tính của Viện Ngôn ngữ Bulgaria (Institute for Bulgarian Language), Viện Hàn lâm Khoa học Bulgaria (Bulgarian Academy of Sciences).[36]

Linked data

• BabelNet, a very large multilingual semantic network with millions of concepts obtained from an integration of WordNet and Wikipedia based on an automatic mapping algorithm.
• The SUMO ontology has produced a mapping between all of the WordNet synsets, (including nouns, verbs, adjectives and adverbs), and SUMO classes. The most recent addition of the mappings provides links to all of the more specific terms in the MId-Level Ontology (MILO), which extends SUMO.
• OpenCyc, an open ontology and knowledge base of everyday common sense knowledge, has 12,000 terms linked to WordNet synonym sets.
• DOLCE, is the first module of the WonderWeb Foundational Ontologies Library (WFOL). This upper-ontology has been developed in light of rigorous ontological principles inspired by the philosophical tradition, with a clear orientation toward language and cognition. OntoWordNet is the result of an experimental effort to align WordNet's upper level with DOLCE. It is suggested that such alignment could lead to an "ontologically sweetened" WordNet, meant to be conceptually more rigorous, cognitively transparent, and efficiently exploitable in several applications.
• DBpedia, a database of structured information, is also linked to WordNet.
• The eXtended WordNet is a project at the University of Texas at Dallas which aims to improve WordNet by semantically parsing the glosses, thus making the information contained in these definitions available for automatic knowledge processing systems. It is also freely available under a license similar to WordNet's.
• The GCIDE project produced a dictionary by combining a public domain Webster's Dictionary from 1913 with some WordNet definitions and material provided by volunteers. It was released under the copyleft license GPL.
• ImageNet is an image database organized according to the WordNet hierarchy (currently only the nouns), in which each node of the hierarchy is depicted by hundreds and thousands of images. Currently it has an average of over five hundred images per node.
• BioWordnet, a biomedical extension of wordnet was abandoned due to issues about stability over versions.
• WikiTax2WordNet, a mapping between WordNet synsets and Wikipedia categories.
• WordNet++, a resource including over millions of semantic edges harvested from Wikipedia and connecting pairs of WordNet synsets.
• SentiWordNet, a resource for supporting opinion mining applications obtained by tagging all the WordNet 3.0 synsets according to their estimated degrees of positivity, negativity, and neutrality.
• ColorDict, is an Android application to mobiles phones that use Wordnet database and others, like Wikipedia.
• UBY-LMF a database of 10 resources including WordNet.

Distributions

Dự án MạngThe Global Wordnet project attempts to coordinate the production and linking of "wordnets" for all languages. Oxford University Press, the publisher of the Oxford English Dictionary, has voiced plans to produce their own online competitor to WordNet.

References

[[Thể loại:Thể hiện kiến thức]]