Deep Dive: WordNet (struttura, verbi, uso)
Companion di
notes.md(§3). Fonti:04_WordNet.pdf, letture Miller 1993 (nomi, intro),
Fellbaum 1993 (verbi), Miller 1995, notebookWN-explore.ipynb.
1. Anatomia
- Synset: {parola.senso} + glossa + esempi. Id tipico
dog.n.01. - Matrice lessicale: righe = forme, colonne = significati; celle = sensi parola.
- Dimensioni (inglese): ~117k synset, ~150k parole; gerarchia nomi profonda ~10-15 livelli.
2. Nomi (Miller 1993)
Iperonimia come backbone: entity > object > vehicle > car. Test: X e’ un Y.
Meronimia in 3 tipi: part (ruota/macchina), member (albero/foresta), substance
(alluminio/lattina). Ereditarieta’: cio’ che vale per il veicolo vale per l’auto
(salvo eccezioni — niente default alla Minsky, solo fatti).
3. Verbi (Fellbaum 1993)
Niente tassonomia unica: matrici verbo-modo. Relazioni:
troponimia: sussurrare -> parlare (modo)
entailment: russare -> dormire (implica)
causa: uccidere -> morire
I verbi si organizzano per campo semantico (movimento, comunicazione…) con cross-riferimenti.
4. Uso in NLTK (da WN-explore.ipynb)
from nltk.corpus import wordnet as wn
wn.synsets('dog', pos=wn.NOUN)
wn.synset('dog.n.01').hypernyms()
wn.synset('dog.n.01').path_similarity(wn.synset('cat.n.01'))Misure: path (1/(1+d)), Wu-Palmer (profondita’ LCS), Lesk (overlap glosse estese),
Resnik/Lin/Jiang-Conrath (information content da corpus).
5. Limiti ed eredi
Sensi troppo fini, inglese-centrico (eWn, MultiWordNet/BabelNet per il resto),
statico. Eredi: BabelNet (WordNet+Wikipedia multilingua), ConceptNet (commonsense),
embedding (sensi come punti, poi contestuali con BERT).
Related: notes.md, flashcards.md, deepdive_wsd.md. Libri: JM cap. lexical semantics/vector chapters.