A Magyar WordNet (HuWN) a Princeton WordNet elveit követve a nyelvi fogalmakat szinonimahalmazokkal (synsetekkel) reprezentálja és közöttük szemantikai viszonyokat definiálva (pl. hipernima (is-a), meronima (rész-egész), antonima stb.) hoz létre egy lexikális fogalmi hálózatot. Noha a wordnetekben a nyelvi fogalmak közötti taxonómia nem felel meg egy szigorú formális ontológia követelményeinek, az NLP különböző alkalmazásaiban mégis gyakran használják őket világismereti reprezentáció forrásaként. A Magyar WordNet 42 ezer synsetet tartalmaz, és össze van kapcsolva az angol (Princeton) WordNet 2.0-ás és 3.0-s verzióival, ami átjárást biztosít több mint 20 egyéb nyelv wordnetjeihez, illetve az angol wordnethez illeszkedő egyéb adatbázisokhoz (Yago, DBPedia, BabelNet stb.). A HuWN szabadon hozzáférhető.

1. A Magyar WordNet
Miháltz Márton
mmihaltz@gmail.com
MTA NYTI Nyelvtechnológiai Kutatócsoport
Hungarian Natural Language Processing Meetup, 2015.04.29.

2. A WordNetről
• George Miller, Princeton Uni. 1985-
• Mentális lexikon szerveződése,
pszicholingvisztikai modell
• Lexikális szemantikai hálózat
• Tartalmas szóosztályok: fn, ige, mn, hat.szó
• Szójelentések, szinonímia, synsetek
{ ló:1, háziló:1} vs. { ló:2, huszár:2}
• Szemantikai relációk
{ ló:1, háziló:1} is-a { páratlanujjú patás:1}
{ ló:2, huszár:2} is-a { sakkfigura:1 }

3. Princeton WordNet példa
{temperature}
{physical property}
{property}
{attribute}
{abstraction}
{space}
{outer space}
{interplanetary
space}
{interstellar
space}
{hot} {cold}
{baking hot}
{burning}
{fiery}
{ice-cold}
{frosty}
{cool}
{abstract}
{see, consider, reckon}
{think, believe}
{judge}
{cryogenics}
{absolute zero}
{convict}
attribute
instance
hypernym
domain
entails
antonym
Part (holonym)
derivative
similar

4. A WN felhasználásai az NLP-ben
• Nem formális ontológia, de…
• Jelentésegyértelműsítés (Leacock-
Chodorow 1999, Rigau et al 1998)
• Információ-visszakeresés (Voorhees 2001)
• Koreferenciafeloldás (Uryupina 2007)
• Keresztrejtvény-generálás (GWC 2006)
• …

5. Magyar WordNet (HuWN)
• 2005-2007: MTA Nyelvtudományi Intézet, SZTE
Informatikai Tanszékcsoport, MorphoLogic Kft. (GVOP-
AKF)
• BalkaNet / EuroWordNet többnyelvű modell
• Natív WN-ek között angol WN synsetjei az interlingva
• Közösen lefedett magrész: Base Concepts Set (8K synset)
• Erőforrások integrációja
– Magyar Értelmező Kéziszótár jelentésazonosítók
– MorphoLogic/NYTI igei vonzatkeret-adatbázis azonosítók
• Speciális magyar szemantikai relációk
– Melléknevek: middle
– Igék: is/has_consequent_state, is/has_preparatory_state,
is/has_telos, temporal_precondition, has_consequence,
partitions, aktionsart, converse

6. HuWN
• 42K synset, 60K szójelentés, 50K szó
• Princeton WN 2.0, 3.0 megfelelések (27K synset)
• XML formátum
https://github.com/ dlt-rilmta /huwn
• Python API
https://github.com/ppke-nlpg/pywnxml
• C++ API (hamarosan)
• VisDic editor/browser
• META-SHARE Commons BY NC ND License v1.0

7. HuWN.RDF
• HuWN mint Linked Open Data
• Modell: Princeton WordNet RDF
http://wordnet-rdf.princeton.edu/ontology#
• Lemon modellt (is) használja
http://lemon-model.net/lemon#
• Linkek PWN RDF 2.0, 3.0 synsetekhez Cornetto ekvivalencia-relációkkal
http://purl.org/vocabularies/cornetto/cornetto-schema.ttl
– eqSynonym, eqNearSynonym, xposNearSynonym, eqHasHypernym stb.
• Namespace: http://corpus.nytud.hu/huwn/
– Synset: <http://corpus.nytud.hu/huwn/ENG20-00002540-b>
– LexicalSense: <http://corpus.nytud.hu/huwn/kutya-n#1>
– LexicalEntry: http://corpus.nytud.hu/huwn/kutya-n
• Elérhetőségek:
– https://github.com/dlt-rilmta/huwn.rdf (RDF Turtle, vagy RDF/XML, NT, N3)
– http://corpus.nytud.hu/huwn/
– http://datahub.io/dataset/hungarian-wordnet-rdf

8. HuWN tervezett munka
• HuWN
– Definíciók átírása
– Teljessé tétel 50-100 leggyakoribb szóra
– Összekapcsolás más ontológiákkal
• HuWN.RDF
– URI dereference, SPARQL endpoint implementációja
– Saját ontológia: PWN ontológia + magyar szemantikai
relációk
– Linkelés W3C és VU WN-ekhez

9. Köszönöm a figyelmet!
http://corpus.nytud.hu/huwn/