A. Gangemi, R. Navigli, P. Velardi

Präsentation zum Thema: "A. Gangemi, R. Navigli, P. Velardi"—  Präsentation transkript:

1 A. Gangemi, R. Navigli, P. Velardi
(Onto)WordNet „The OntoWordNet Project: extension and axiomatization of conceptual relations in WordNet“ A. Gangemi, R. Navigli, P. Velardi Vortrag: Frank Loebe

2 Überblick WordNet WordNet & Ontologie OntoWordNet
Ziele & Umfeld Entwicklung & Aufbau Anwendungen WordNet & Ontologie OntoWordNet Ziele & Annahmen Verknüpfung von Synsets (Semi)automatische Axiomatisierung Kritik & Zusammenfassung

3 WordNet: Ziele und Umfeld
definiert als „lexikalische Datenbank“ Ziele Wortsuche nach konzeptionellen statt alphabetischen Kriterien Großversuch für relationale Semantik von Wörtern (im Gegensatz zu kompositionalen Ansätzen) Ergebnis ist vergleichbar einer Kombination aus Wörterbuch und Thesaurus Aufbau von Hand durch Lexikographen Beginn 1985

4 WordNet: Aufbau Hauptbestandteile ergänzt durch
Synsets Bsp.: { motor vehicle, automotive vehicle } konzeptuelle und lexikalische Relationen Bsp.: Hypernymie ergänzt durch Bemerkungen Bsp.: „a self-propelled wheeled vehicle that does not run on rails“ Beschränkung auf Wörter der 4 offenen Wortklassen (Substantive, Adjektive, Verben, Adverben) Statistiken (WordNet 1.5)  Synsets,  Bemerkungen 18% mehrdeutige Wörter, aber Häufigkeit ca. 83%

5 Beispiel: motor vehicle
Ähnliche Worte Hypernyme entity self-propelled vehicle vehicle container self-propelled vehicle motor vehicle (used very rare, polysemy count 1) Meronyme Hyponyme engine bloodmobile airbrake car chassis go-kart brake system truck

6 WordNet Anwendungen Semantische Annotation von Texten mit Synsets
Kombination taxonomischen Wissens mit probabilistischen Modellen Information Retrieval Konzeptuelle Modellierung (COLOR-X: OO-System mit WordNet-Anbindung) Wissensverarbeitung mit WordNet-basierten Inferenzregeln

7 WordNet & Ontologie: Verbindungen
Viele Gemeinsamkeiten zwischen Semantik in der Linguistik und Ontologie Konzeptuelle Relationen Hypernymie / Hyponymie = Generalisierung / Spezialisierung Meronymie / Holonymie = Teil-von- / hat-Teil-Beziehung Lexikalische Relationen Antonymie: Wörter mit gegensätzlicher Bedeutung Bsp.: Sieg und Niederlage, groß und klein Synonymie: Wörter mit gleicher Bedeutung Homonymie: Gleichklingende Wörter unterschiedlicher Bedeutung Polysemie: Wörter mit mehreren Bedeutungen Bsp.: „big“ tritt in 15 Synsets auf

8 WordNet & Ontologie: Top-Level
Entity Organism Animal Person Plant Object Artifact Natural Object Body Substance Food Abstraction Attribute Quantity Relation Communication Time Psychol. Feature Cognition Feeling Motivation Nat. Phenomenon Process Activity Event Group Location Possession Shape State

9 WordNet & Ontologie: Probleme
WordNet [Fellbaum, 1998] keine Ausnahmen Bsp.: Pinguine fliegen nicht. Subtypen von Hyponymie Bsp.: is-a-kind-of, is-used-as-a-kind-of keine Unterscheidung von Eigennamen und Konzepten Bsp.: Bach und songwriter auf gleicher Ebene keine „generischen“ Konzepte Bsp.: chair vs. furniture weitere semantische Relationen sind nötig DOLCE/OntoClean [Gangemi et al. 2003c] Probleme 2), 3) von oben keine Trennung von Objekt- und Metaebene Bsp.: Relation versteckte Polysemie Bsp.: law als Dokument bzw. Regel heterogene Generalitätsebenen Bsp.: car und blood-mobile

10 OntoWordNet: Ziel & Commitments
Ziel: Umwandlung von WordNet in eine formale Spezifikation Commitments: logisch: Synsets  Typen, formale Semantik für lexikalische Relationen ontologisch: Trennung in Konzepte, Relationen, Individuen kontextuell: Modularisierung nach Domänen, partiell geordnet semiotisch: textorientierte Angabe von Präferenzen, Frequenzen, etc. Fokus in [Gangemi et al. 2003a]: ontologische Commitments

11 OntoWordNet: Annahmen
(A1) Hyperonymy beschreibt Synset-Subsumtion. (A2) Synsets sind Äquivalenzklassen von Bedeutungen. (A3) Bemerkungen als Axiomatisierungen. (A4) Bemerkungen sind konsistent mit Synsets. (A5) Assoziationen entsprechen konzeptuellen Relationen. (A6D) Extensionale Abgeschlossenheit von DOLCE. (A7D) Taxonomien unterhalb „manueller Verknüpfungen“ sind ontologisch konsistent.

12 OntoWordNet: Algorithmus
Wortart-Markierung und Entfernen irrelevanter Wörter Disambiguierung der Wörter in den Synsets Extraktion von Assoziationen (semi-)automatische Interpretation der Assoziationen Bsp.: driver „the operator of a motor vehicle“ operator „an agent that operates some apparatus or machine“ motor vehicle „a self-propelled wheeled vehicle that does not run on rails“ Disambiguierung von operator driver – motor vehicle Assoziation  Agentive Co-Participation

13 Disambiguierungsalgorithmus (I)
Greedy Algorithmus mit Heuristiken Input: S (Synset) P (Terme aus der Bemerkung von S sowie den Bemerkungen der direkten Hypernyme von S) Output: D (Menge disambiguierter Synsets) Anfangsschritt: D=S Umordnung der eindeutigen Terme von P nach D

14 Disambiguierungsalgorithmus (II)
Iterationsschritt: Pfadheuristik: Pfadmustersuche zwischen S´ und S´´ Bsp. Hypernymy/Meronymy-Ketten: S´´ Contextheuristik: (nur wenn keine Pfade gefunden) gemeinsames semantisches Auftreten auf Grundlage von 3 Korpora der Computerlinguistik Disambiguierung erkannt, wenn mind. 2 Korporaergebnisse übereinstimmen gemeinsame Domänenkennzeichen von Synsets Umordnung der disambiguierten Terme von P nach D

15 Beispiellauf Disambiguierung von „retrospective“ Bemerkung:
„an exhibition of a representative selection of an artist´s life work“ Hypernym: „art exhibition“ „an exhibition of art objects (paintings or statues)“

16 Beispiel: Ausgangssituation
D enthält nur das „Ziel“-Synset P enthält alle Wörter aus Bemerkungen zu D und „art exhibition“ D P retrospective statue artist exhibition object art painting life work representative selection

17 Beispiel: Anfangsschritt
Algorithmus: Umordnen der eindeutigen Wörter nach P (erkennbar in WordNet) D P Eindeutige Wörter retrospective statue artist statue artist exhibition object art painting life work representative selection

18 Beispiel: Iterationen I & II
Algorithmus: Pfadheuristik: Ausnutzung konzeptueller Links in WordNet falls Pfade existieren, umordnen; sonst Kontextheuristik D P retrospective 3 Hypernymie-Pfade: retrospective 2 exhibition statue 3 art statue 6 object 1 Hyponymie-Pfad: art 2 painting statue artist exhibition object art object exhibition art painting painting life work representative selection

19 Beispiel: Iteration III
Algorithmus: Kontextheuristik: Ausnutzung gemeinsamen Auftretens in Standardkorpora der Computerlinguistik D P retrospective (artist, life) ist bestimmt im LDC Corpus statue artist object exhibition art painting life work representative selection life

20 Ergebnis zu „retrospective“
„an exhibition of a representative selection of an artist´s life work“

21 Experimentelle Ergebnisse I

22 Experimentelle Ergebnisse II
geringe Ergebnisrate, hohe Genauigkeit höhere Genauigkeit bei Ergebnissen als die „wähle-die-erste-Variante“-Heuristik weitere Analysen: Substantive mit höherer Rate und Genauigkeit, da Substantive umfassender kommentiert Verben problematisch in WordNet  Einbeziehung von FRAMENET geplant

23 Interpretation von Assoziationen I
Motivation semantische Fundierung der gefundenen Assoziationen Anforderungen eine definierte Menge konzeptueller Relationen zwecks Wiederverwendbarkeit formale Semantik ausreichender Grad an Allgemeinheit und Flexibilität Mittel zur Lösung DOLCE bzw. DOLCE-Lite+ Axiomatisierung reduziert auf Ausdrucksfähigkeit von Beschreibungslogiken Erweiterungen generischer und domänenspezifischer Art

24 Interpretation von Assoziationen II
Ansatz: Assoziation zwischen (car, engine) kann übersetzt werden zu x.Car(x)  y. Engine(y)  Component(x, y) Idee: nutze Position von „car“ und „engine“ in WordNet (spezifischste Hypernyme, die zu DOLCE gehören) inferiere spezifischste Relation zwischen diesen Hypernymen benötigt: Partition der Relationsdomänen technische Vorarbeiten (Zuordnung DOLCE-WordNet, ...)

25 Interpretation von Assoziationen III
Partition der Relationsdomänen (Ausschnitt) Ergebnis: Generisch 85,21% korrekte Axiome Tourismus 89,80% korrekte Axiome Object Event Quality – Participant_In (Inherence of) Participant Temporal Mereotopological Association Region Quality Region of

26 Kritik Ansatz: semi-automatisch ist manuell vorzuziehen
Grundannahmen richtig? Bemerkungen sind für „Leser“ gedacht, die das Konzept bereits kennen. Hoher Unvollständigkeitsgrad. Wie realistisch ist es, dass die Bemerkungen den Synsets und ihren Relationen entsprechen? Axiom-Generierung zu naiv? Ergebnisse positiv, aber wie findet man die wenigen falschen? bestimmte Probleme durch Autoren anerkannt und beschrieben

27 Zusammenfassung Linguistik und Ontologie ergänzen einander
Untersuchung verwandter Beziehungen und Probleme z.B. Hyper/Hyponymie, Meronymie WordNet ist eine interessante Ressource für beide Gebiete (semi-)automatisches Verfahren zur Formalisierung von WordNet konkreter Nutzen für Top-Level-Ontologien gezeigt Ergebnisse sprechen für Weiterverfolgung automatischer Techniken

28 Literatur (Fellbaum 1998) Fellbaum, C. (ed) WordNet: An Electronic Lexical Database. Language, Speech and Communication Series. Cambridge (Mass.): MIT Press. (Gangemi et al. 2003a) Gangemi, A., Navigli, R., Velardi, P The OntoWordNet Project: extension and axiomatization of conceptual relations in WordNet. In: Proceedings of the International Conference on Ontologies, Databases and Applications of Semantics (ODBASE 2003), Nov 3-7, Catania, Italy. S Lecture Notes in Computer Science, Bd (Gangemi et al. 2003b) Gangemi, A., Navigli, R., Velardi, P Axiomatizing WordNet Glosses in the OntoWordNet Project. [noch nicht erschienen] In: Workshop on Human Language Technology for the Semantic Web and Web Services, 2nd International Semantic Web Conference (ISWC2003) Oct, Sanibel Island, Florida. Vorabdruck verfügbar unter: (Gangemi et al. 2003c) Gangemi, A., Guarino N., Masolo C., Oltramari, A Sweetening WordNet with DOLCE. AI Magazine 24(3):13-24. (WordNet)