wordnet关系词

基于WordNet的情感词库构建研究情感词库是自然语言处理中的重要组成部分，通常用于文本情感分析、情感极性判断以及舆情分析。

WordNet是一种常用的语义网络，可以通过它来构建情感词库，本文主要介绍基于WordNet的情感词库构建研究。

一、WordNet简介WordNet是由普林斯顿大学的心理学家George Miller教授领导的一项项目，它是一种英语词汇数据库，用于自然语言处理和语义计算。

WordNet将英语单词分解为词义，每个词义都与一个或多个单词相关联。

这些词义之间以及单词之间都存在着语义关系，比如同义词、反义词、上位词、下位词等等。

二、情感词库介绍情感词库（Sentiment Lexicon）是包含情感极性和情感强度等信息的一组单词或短语列表。

情感词库可以帮助计算机自动分析文本的情感倾向，以此为根据来进行情感分类、情感极性判断、舆情分析等工作。

情感词库的构建通常需要基于人工标注和机器学习技术。

传统的构建方法在标注大量的文本后，利用MMI（最大相互信息）或PMI（点间互信息）等方法计算情感单词或短语准确率。

但是这种方法对人的时间和精力的要求太大，也不够灵活。

因此开始使用WordNet构建情感词库。

三、基于WordNet构建情感词库的方法基于WordNet的情感词库构建方法主要分为两种：查找词性和语义相似度。

1. 查找词性在WordNet中，每个单词在其定义中有多个释义和词性标记：名词（Noun）、动词（Verb）、形容词（Adjective）和副词（Adverb）。

在这种情况下，可以使用名词、动词、形容词和副词标记，选择有情感信息的单词。

然后借助WordNet上语义关系（如同义词、反义词、上位词、下位词等）来扩展情感词库。

例如，将“love”作为基本情感词，利用同义词“adore”，反义词“hate”，上位词“comfort”、下位词“hug”等扩展情感词表。

2.语义相似性利用WordNet关系结构中词之间的关系，计算两个单词之间的语义相似性，从而将与情感相关的单词添加到情感词库中。

WORDNET与HOWNET之比较作者：张笛来源：《青年文学家》2011年第13期摘要：本文在对Wordnet和Hownet进行简单介绍的基础上，从理论基础，设计原理与建设方法，目的与应用这三个大方面进行了比较。

从而找出两个系统的相似之处和差异，以期对自然语言处理有所帮助。

关键词：Wordnet；Hownet ；比较；语义作者简介：张笛，临沂大学外国语学院讲师，语言学。

近年来，随着计算机本身以及信息高速公路的飞速发展，人们开始更加重视语义的研究。

各国都致力于可用于自然语言处理的大规模语义词典或大规模知识库的建设。

例如：普林斯顿大学的英语Wordnet,微软的Mindnet，欧洲有基于Wordnet的Eurowordnet，日本的日语和英语的概念词典，韩国的Koreanwordnet，中国有以Wordnet为框架而研制的现代汉语概念词典——中文概念辞书（CCD）和董振东、董强的Hownet（知网）。

Wordnet是一个在线的英语词汇数据库（词汇参照系统），而Hownet是一个以汉语和英语的词语所代表的概念为描述对象，以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识知识库。

现在两者都被放在网上，供人们使用,并且可以参与他们的完善、扩展和发展。

所以，本文拟把二者放在一起进行比较研究，找出两个系统的相似之处与差异，取长补短，以期为自然语言处理寻求一个较为完善的语义关系系统。

一、理论基础首先，二者都以一种“模式假设”（patterning hypothesis）为前提和理论基础。

其次，“理解性假设”（comprehensiveness hypothesis）也是二者的理论基础。

但二者的理论基础不同之处也很多。

Wordnet的一个较主要的理论基础是“可分离性假设”（separability hypothesis）即语言的词汇成分可以被离析出来并专门针对它加以研究。

Hownet的最重要的理论基础是它的哲学。

WordNet简介2008-01-05WordNet简介· 对于WordNet来说，10年后来清点清点得失似乎是合适的。

每个参与其事的研究人员都真诚地感受到它的缺点，并且他们从未觉得这是一个“完工”了的项目。

事实上，WordNet仍在继续发展中。

· "WordNet: An Electronic Lexical Database"一书分三部分，16章。

第一部分从第1章到第4章，前3章分别介绍WordNet中的名词，形容词，动词，第4章介绍WordNet的设计细节及相关软件的情况（这主要是由普林斯顿大学认知科学实验室的研究人员写的）；第二部分和第三部分主要是由普林斯顿认知科学实验室之外的参加WordNet研究工作的研究人员撰写的。

第5章和第6章描述了WordNet的改进；第7章从形式化的概念分析的角度描述了WordNet；第8到第16章讨论了WordNet的各种不同应用。

（一）计算机与词库（computers and lexicon）· 一个人即使不接受把人脑比作计算机的隐喻，也一定同意，计算机提供了一个良好的模式演练场，通过它，人们可以测试各种关于人类认知能力的理论模型。

· 越来越多的人认识到，一个大的词库对自然语言理解，人工智能的各方面研究都具有重要的价值。

· 对大规模机器可读词典的需求同时也带来许多基础问题。

首先是如何构造这样一个词库，是手工编制还是机器自动生成？第二，词典中应包含什么样的信息？第三，词典应如何设计，即信息如何组织，以及用户如何访问？实际上，这些问题涉及到词典的编纂方法，词典的内容，词典的使用方式这一系列非常基础的问题。

（二）构造词库数据库（constructing the lexical database）· 构建词典的两种基本方式：自动获取 / 手工编制。

手工构建词典的优点之一是便于创建更为丰富的词条信息；其次是便于控制。

）作为一般词典的WordNet （WordNet as a dictionary）· WordNet跟传统的词典相似的地方是它给出了同义词集合的定义以及例句。

在同义词集合中包含对这些同义词的定义。

对一个同义词集合中的不同的词，分别给出适合的例句来加以区分。

（七）WordNet中的关系（relations in WordNet）·不同句法词类中的语义关系类型也不同，比如尽管名词都动词都是分层级组织词语之间的语义关系，但在名词中，上下位关系是hyponymy关系，而动词中是troponymy关系；动词中的entailment（继承）关系有些类似名词中的meronymy（整体部分）关系。

名词的meronymy关系下面还分出三种类型的子关系（见“WordNet 中的名词”部分）。

（八）网球问题（the tennis problem）· WordNet是基于同义性和反义（对义）性来描述词语和概念之间的各种语义关系类型的。

由于WordNet的注意力不是在文本和话语篇章水平上来描述词和概念的语义，因此WordNet中没有包含指示词语在特定的篇章话题领域的相关概念关系。

例如，WordNet中没有将racquet（网球拍）、 ball（球）、net（球网）等词语以一定方式联系到一起。

Roger Chaffin在一封私人信笺中，曾把这类问题称为“tennis problem”（网球问题），指的就是如何把racquet、ball、net、court game （场地比赛）；或者把physician（内科医生）跟hospital（医院）联系到一起。

这对电子词典来说，是一个挑战。

已经有一些相关的研究工作在探索如何从WordNet 中包含的词汇和概念之间的语义关系，来推导出话题信息。

Hirst和St-Onge描述了一种所谓的“词汇链”（lexical chain）的应用方法。

“词汇链”是在基于名词的语义关系构成的上下文中的名词的序列。

Wordnet是一个词典。

每个词语(word)可能有多个不同的语义，对应不同的sense。

而每个不同的语义（sense）又可能对应多个词，如topic和subject在某些情况下是同义的，一个sense中的多个消除了多义性的词语叫做lemma。

例如，“publish”是一个word，它可能有多个sense：1. (39) print, publish -- (put into print; "The newspaper published the news of the royal couple's divorce"; "These news should not be printed")2. (14) publish, bring out, put out, issue, release -- (prepare and issue for public distribution or sale; "publish a magazine or newspaper")3. (4) publish, write -- (have (one's written work) issued for publication; "How many books did Georges Simenon write?"; "She published 25 books during her long career")在第一个sense中，print和publish都是lemma。

Sense 1括号内的数字39表示publish以sense 1在某外部语料中出现的次数。

显然，publish大多数时候以sense 1出现，很少以sense 3出现。

WordNet的具体用法NLTK是python的一个自然语言处理工具，其中提供了访问wordnet各种功能的函数。

WordNet：概念知识库WordNet 是美国 Princeton 大学研发的一个英语词汇语义知识库，或者概念知识库。

本 wiki 只介绍 WordNet 里的名词和动词概念，及其概念间的主要关系。

对形容词和副词概念感兴趣的读者，可以参阅 WordNet 的手册或相关论文。

WordNet 的研发历经近二十年，目前的版本是 3.0，FreeBSD 中有它的 port。

WordNet 最初的研发者是 Princeton 大学的一些心理学家。

后来，由于计算语言学（或自然语言处理）的需求，WordNet 成为语义学研究最权威的知识库之一。

概念的表达或构建要通过自然语言完成，不同的文化和历史可能导致概念的差异，进而导致不同语言的词汇语义之间不是一一对应的。

例如，中文中“叔叔”、“伯父”、“姨夫”、“舅舅”等概念在英文中没有具体的对应，英文中只有 uncle。

虽然如此，人类的概念在很大程度上是共享的，那些小的差异可以忽略。

加上英语是世界语，这也是 WordNet 在全球得以流行的原因吧。

WordNet 里的概念所谓“概念”，在 WordNet 里抽象为一个同义词集合，它是 WordNet 的基本单位，也是 WordNet 所要描述的基本对象。

例如，“computer”有两个语义，分别是“计算机”和“计算者”。

IOU@~$ wn "computer" -synsnSynonyms/Hypernyms (Ordered by Estimated Frequency) of noun computer2 senses of computerSense 1computer, computing machine, computing device, data processor,electronic computer, information processing system=> machineSense 2calculator, reckoner, figurer, estimator, computer=> expert概念的上下位关系名词和动词概念（即同义词集合）之间有两个基本的关系，上位关系和下位关系。

Wordnet是一个WordNet是一个由普林斯顿大学认识科学实验室在心理学教授乔治·A·米勒的指导下建立和维护的英语字典。

在WordNet中，名词，动词，形容词和副词各自被组织成一个同义词的网络，每个同义词集合都代表一个基本的语义概念，一个多义词将出现在它的每个意思的同义词集合中。

WordNet是按语义关系组织的，其语义关系有以下几类：（1）同义关系。

WordNet最重要的关系就是词的同义关系，因为判断词这种关系的能力是在词汇矩阵中表达词义的先决条件。

Wordnet中根据替换原则定义同义词：如果两种表达方式在语言文本中相互替代而不改变其真值，则这两种表达就是同义的。

因而，WordNet分成名词，动词、形容词和副词几大类。

不同词类中的语义关系类型也不同。

比如尽管名词都动词都是分层级组织词语之间的语义关系，但在名词中，上下位关系是hyponymy关系，而动词中是troponymy关系；动词中的entailment（继承）关系有些类似名词中的meronymy （整体部分）关系。

名词的meronymy关系下面还分出三种类型的子关系（见“WordNet中的名词”部分）。

（2）反义关系。

反义词是一种词形间的词汇关系，而不是词义间的语义关系。

反义关系为WordNet中的形容词和副词提供了一种中心组织原则。

（3）上下位关系。

上下位关系具有某种限制，且是一种不对称的关系(Lyons，1977，v01．1)，由下它只有唯一的上属关系，这就产生了一种层次语义结构，其中下位词位于其上属关系的下层。

下位词继承了它的上位词——更一般化概念的所有性质，并且至少增加一种属性，以区别它与它的上位词以及该上位词的其他下位词。

这种方法为WordNet中的名词提供了一种核心的组织原则。

在名词网络中，通过词语的上下位关系来计算词间的距离是WordNet 中简单常用的一种计算相似度方法。

（4）部分-整体关系（HASA）。

基于WordNet的文本特征抽取方法研究与实验评估随着互联网的快速发展，海量的文本数据成为了人们获取信息和进行研究的重要来源。

然而，如何从这些庞大的文本数据中提取有用的特征，成为了自然语言处理领域的一个关键问题。

WordNet作为一种语义知识库，可以帮助我们理解和分析文本中的词汇关系，因此被广泛应用于文本特征抽取。

首先，我们需要了解WordNet的基本概念和结构。

WordNet是由普林斯顿大学开发的一种英语词汇数据库，它将英语单词组织成一种层次化的关系网络。

在WordNet中，单词被分为不同的词性类别，并且通过上位词、下位词、同义词等关系进行连接。

这种结构使得我们可以通过WordNet来获取词汇的语义信息，从而进行文本特征的抽取。

基于WordNet的文本特征抽取方法可以分为两个主要步骤：词汇扩展和特征表示。

在词汇扩展阶段，我们利用WordNet中的同义词关系来扩展文本中的词汇。

例如，对于一个给定的单词，我们可以通过WordNet找到它的同义词，并将这些同义词作为扩展后的词汇。

这样做的目的是丰富文本中的词汇量，提高特征的覆盖范围。

在特征表示阶段，我们将扩展后的词汇表示成向量形式，以便于计算机进行处理。

常见的表示方法有词袋模型和词向量模型。

词袋模型将文本表示为一个词汇的集合，每个词汇对应一个维度。

词向量模型则将每个词汇表示为一个实数向量，向量的维度通常较低。

这些向量表示了词汇的语义信息，可以作为文本特征进行进一步的分析和处理。

为了评估基于WordNet的文本特征抽取方法的有效性，我们可以进行一系列的实验。

首先，我们可以选择一些具有挑战性的文本任务，例如文本分类或情感分析，并使用基于WordNet的特征抽取方法来提取特征。

然后，我们可以将提取得到的特征输入到机器学习算法中进行训练和测试。

通过与其他特征抽取方法进行比较，我们可以评估基于WordNet的方法在不同任务上的性能表现。

除了性能评估，我们还可以对基于WordNet的方法进行进一步的分析。

UNIT1Able absorb abundant accident incident auquaint act adapt adopt add advance advice adventure agriculture ally alter ambulance ample analyse ancient appear apply approach army arrange art(craft) assistant astonish amze atmosphere attack attend august author auto avoid back bake ball bank bar bear beat before believe beneath bicycle biology bit blackboard blanket blind bloodUNIT2blow bow(bend) bracket brandy brass break breath breed brief broad bump bureau calculate call candle camdy capable capital(escape) car care case cast catch cautioncelebrate cell cent centre certainly change character chief child civil claim class UNIT3clear climb close collect colony combine com comfort command committee common company compare compel compete compete competent complain complete concern confidence conflict connect conquer consider contempt continue cool corporation copper copy cord correct count compute country courage course court cover cow crack create credit creep crime critical cross custom damn damageUNIT4date daze debt decide December decorate defeat defence defend democracy dense dependdescribe desert desire develop devote dialogue apology dictation dictionary different difficult direct disappoint dismiss distinguish disturb divide doctor double doubt drama draw haul drink drop during dutyUNIT5earn easy economy edit either elect electricity element emphasis empire employ empty energy engage engine equal entertain essence estimate event example excellent except exhaust exhibition exit expand explode experience experiment eye face fact factory family famous fan fancy fare fascism fashion fate fault favour feast fellow figure fine finishUNIT6firm fit fix flat flex flow flower fly follow food foot forbid force form fortune found fraction free frequent fresh frighten front gene general geography giant give glory gold government grace grade grammar grasp ground grass guard guide habit half hand hang hardUNIT7hate have headache health hero hesitate hign history hold hole holiday home honour horizon horrible terrify hotel house human hungry hunt hurry/haste husband/bound idea identical imagine in/out imagine increase industry insectinspect instrument intend interfere interpret interrupt introduce irritate join journey joy judge just kill/murder kind knee/lap knit know labo(u)rUNIT8land language lapse law/legal lax/lease lay lazy/idle lead leaf league lean learn laecture letter liberation lielift/grave light limit line/file live load local locklong lose lot love luxury machine magnificent maintain/contain/content male/famle manageUNIT9mark marry/wed mass mature matter/pattern measure medicine melt memory mend merchant merge metre middle migratemilitary mind mini/major model minister mirror mole Monday moral/virtue mortal mouse mount move/motor MR/SIR music mutual mystery necessary name nature/native norm noteUNIT10Now/new/novel number nurse nut obey observe office old one/unit operate order organ origin over pair pale part pass patient paste passion/zeal pay peace people perhaps period person persuade pemit/admit philosophy physics pick pile place plain plant plate plastic plus pocket pointUNIT11pole poor/rich port position polite/politics possess possible powerpractise pray pre press present/absent press price print prison private proceed produce professor progress promise proper pronounce protect proud prove public punish pure put quality question radio rage raise rapid rare/scarce rate UNIT12Real/true reason receive/accept recite recognize record refuse reject red/violet regular/rule relation rely remain rent repeat reply respect respond rest result revolution ripe river rock rob/steal roll rot round route rubber sacred safe run/race salt same satisfy scale school science score sea second suitUNIT13see sell sense series severe shadow shame sharp sheep shell shine shoot short show shut side sign single sink sit skill skirt slice slip smoke society soft solid sole/island solve sorry sort sound source space spark speak special speed spend spin/weave spirit spite stable stair stand star start state stationUNIT14stick still strain/strict/straight stream stress strike stripe strong substance subburb suggest sum super supper lunch sure swing sympathy table tailor take tangent taste smell teach telephone tend telescope temperature tempt termtest text/fabric theory there thesis thief think threat through tie tight time timid tire title tolerate together/scatter tone top tractor/train/treat trade tremble translate tribute trick trifle UNIT15trouble turn tortoise type universe use value vary vapour/steam venus vase veil vegetable verb vest vice view violent virginia visit vitamin voice wade wagon wait wake want war warn waste way wear weigh went wide wild win/victory/triumph will wind work worth write yard year young。

杏苑论坛品位•经典WordNet在大学英语词汇教学中的应用初探o王兰（湖南师范大学外国语学院，湖南长沙410081）【摘要】词汇是语言的基础组成部分，词汇教学也是语言教学中的重中之重。

目前的词汇教学方式，要么过于强调单个词汇的含义却忽略了词汇间的情景关联导致教学效果欠佳，要么过于强调情景资料的选取和活动环节的设计从而降低了教师备课的效率。

WordNet是由Princeto n大学多门学科专家联合设计的基于认知语言学的英语知识图谱，它以类似思维导图的方式呈现词汇释义以及词汇间的关联关系。

笔者尝试将WordNet作为补充材料应用于大学英语词汇教学中，实践结果表明该方法能够有效帮助学生提升词汇深度与广度。

【关键词】WordNet;英语；词汇；教学；初探一、大学英语词汇教学现状分析词汇是语言的基础组成部分。

对重点核心词汇的有效掌握，既是构造完整的句子和篇章的前提条件，也是培养良好的听说读写能力的重要基石。

因此,词汇教学自然而然就成为语言教学中的重中之重。

学生在高中期间要求掌握的词汇量为3500左右，根据大学英语四六级考试大纲的要求，四级核心词汇量为4500个,六级为6000个。

那么,如何快速有效地大量掌握并灵活运用数量众多的词汇，成为摆在老师和学生面前的一道难题。

在解决这个难题的过程中，各类新颖的词汇教学法层出不穷，以这些词汇教学法为基础的纸质书籍和手机APP也是五花丿J门。

笔者对这些教学法进行了分析，发现它们可以大致归纳为两类，即单点教学法和情景教学法。

单点教学法强调从单个词汇出发，详细介绍单词的词性、释义、搭配、例句等细节信息，旨在把单个词汇讲深讲透。

这类方法流程简单机械，虽然对教师来说可以降低备课成本,但对学生来说缺乏互动略显枯燥。

此外,这类方法常常忽略词汇与词汇之间的关联,不能帮助学生在脑海中建立词汇关联的思维导图，因而偏向于形成短期记忆而非长期记忆。

情景教学法则强调从情景出发,通过选取包含若干目标词汇的文本或影音形式的情景资料，同时设计若干与之相关的活动环节,使学生能够全身心投入到情景中完成学习任务。

Wordnet中的各种关系关系英文名词性译名hyponymy名词下位关系hypernymy名词上位关系meronymy名词部分关系component of名词部件部分关系member of名词成员部分关系substance of名词物质部分关系holonymy名词整体关系antonymy名词反义关系attribute名词属性关系Antonymy动词反义关系Troponymy动词下位关系Hypernymy 动词上位关系Entailment动词蕴含关系Cause动词致使关系Also See 动词相关动词关系Antonymy形容词反义关系Similarity形容词近义关系Relational形容词关系性形容词Also See形容词相关关系Attribute形容词属性关系Antonymy副词反义关系Derived from副词衍生关系含义或示例对应于概念关系的类别表示对某个类的细化，即如果X是一种Y，那么X是Y的下位词(hyponym)is kind of表示对多个具体实例的泛化，即如果X是一种Y，那么Y是X 的上位词(hypernym)is a generalization of如果X是Y的一部分，那么X是Y的部分词(meronym)is part of 例如：“鸟嘴/翅膀-鸟”(beak/wing-bird)is component of 例如：“树木”和“森林”(tree-forest)is member of例如：“铝”和“飞机”(aluminum-plane)is substance of 如果X是Y的一部分，那么Y是X的整体词(holonym)contains parts 例如：“胜利-失败”(victory-defeat)opposite of用形容词来表达其值的名词，如“重量”是一个属性，它的值对应的形容词是“轻”和“重”attribute of代表了复杂的若干种语义关系。

如disappear与appearopposite of如果V1在某个特定语义维度表示了V2，那么V1是V2的下位词。