Dannet2: تمديد تغطية الصفات في Dannet بناء على بيانات Thesaurus (عرض المشروع)

تصف الورقة العمل قيد التقدم في مشروع Dannet2 الممول من مؤسسة Carlsberg. الهدف من المشروع هو تمديد Wordnet الدنماركي الأصلي، Dannet، بعدة طرق. التركيز الرئيسي على تمديد التغطية ووصف الصفات، وهو جزء من الكلام الذي تم وصفه بشكل ضئيل في Wordnet الأصلي. نحن نصف المنهجية والعمل الأولي للصفات نصف تلقائيا من المرادفات الدنماركية إلى Wordnet بهدف توسيع التغطية بسهولة من 3000 إلى تقريبا. 13000 تمرين صفة. يتم إجراء النقل من خلال الترميز يدويا جميع الكلمات الدائمة الفعالية الفعالة في المفقودين من Thesaurus وبعد ذلك توظف إجراءات شبه تلقائية حيث يتم نقل الصفات من نفس القسم الفرعي إلى WordNet كإما 1) بالقرب من المرادفات إلى الكلمة الرئيسية للقسم، 2) الكلمة الرئيسية، أو 3) كأعضاء من نفس Synet ككلمة رئيسية. ونناقش أيضا كيفية التعامل مع مشكلة تمثيلات متعددة من نفس الشعور في المرادفات، وتقديم أنواع أخرى من المعلومات من المرادفات التي نخطط للاندماج، مثل معلومات مواضيعية ومشاعر.

The paper describes work in progress in the DanNet2 project financed by the Carlsberg Foundation. The project aim is to extend the original Danish wordnet, DanNet, in several ways. Main focus is on extension of the coverage and description of the adjectives, a part of speech that was rather sparsely described in the original wordnet. We describe the methodology and initial work of semi-automatically transferring adjectives from the Danish Thesaurus to the wordnet with the aim of easily enlarging the coverage from 3,000 to approx. 13,000 adjectival synsets. Transfer is performed by manually encoding all missing adjectival subsection headwords from the thesaurus and thereafter employing a semi-automatic procedure where adjectives from the same subsection are transferred to the wordnet as either 1) near synonyms to the section's headword, 2) hyponyms to the section's headword, or 3) as members of the same synset as the headword. We also discuss how to deal with the problem of multiple representations of the same sense in the thesaurus, and present other types of information from the thesaurus that we plan to integrate, such as thematic and sentiment information.