گسترش شبكه واژگان زبان فارسي با روش هاي نيمه خودكار و قالب داده هاي پيوندي

Development of Farsi WordNet by Semi-automatic Methods and Linked Data Format

منابع واژگاني، از منابع ضروري در حوزه ي پردازش زبان طبيعي هستند و نحوه ي ارائه و در دسترس قرار دادن آن ها نيز از اهميت ويژه اي برخوردار شده است. در اين مقاله، قالب ارائه شبكه ي واژگان به عنوان يك منبع واژگاني مهم در پردازش هاي معنايي زبان طبيعي مورد توجه قرار گرفته است، با اين هدف كه ارائه ي اين دانش به نحوي باشد كه بتوان از مزاياي داده هاي پيوندي و شبكه ي معنايي بهره برد. قالب داده هاي پيوندي امكان دسترسي به دانش و پيوند آن با ساير منابع دانشي را فراهم مي آورد. ارائه ي شبكه ي واژگان به فرمت داده ي پيوندي و بازنمايي آن به صورت پايگاه شناخت، امكان استفاده از فناوري هاي شبكه ي معنايي، مانند استنتاج را فراهم مي آورد؛ همچنين، فرايند توسعه و استفاده از شبكه ي واژگان با استفاده از داده هاي پيوندي به نحو موثرتري امكان پذير است. اين مقاله شماي يك پايگاه شناخت را، كه براي يك شبكه ي واژگان به زبان فارسي طراحي شده است, معرفي مي كند. اين شما به صورت داده ي پيوندي و قابل ارزيابي با مدل لمون است. در اين مقاله، گزارشي از فرايند انتقال دانش از شبكه ي واژگان فارس نت به يك پايگاه شناخت با قالب داده هاي پيوندي ارائه مي شود و همچنين از نظر روابط و تعداد و اژه ها، بهبودها و توسعه هاي انجام گرفته در اين شبكه ي واژگان جديد بيان مي گردد.

In Natural Language Processing field, lexical resources are the mandatory tools which their representation format and accessibility has essential importance. In this paper, we focus on representation format of WordNet as an important lexical resource; aiming to benefit from the semantic web and Linked Data advantages. The Linked Data format provides knowledge representation and integration with other knowledge resources. Providing WordNet in linked data format and ontology representation, enable us to use semantic web technologies, such as inference. Development and usage of WordNet in the linked data format are more effective. The paper introduces an ontology schema for Farsi WordNet. The schema is based and Linked Data and is evaluable by Lemon model.