“Word-net”的版本间的差异

（未显示2个用户的30个中间版本）

第1行：

−

~~== 李正华 2019.4.5 ==~~

−

~~=== 陆凯华 ===~~

−

* [[:File: 上下位关系规范v1_0.pdf | 上下位规范 ]]

−

* 标注系统准备

−

* 人工标注管理（韩欣艳和杨奕可以协助）

−

* 和组员深入讨论，在具体方法上指导

−

* 继续孙佳伟的工作，做上下位关系分类

−

~~=== 总体规划===~~

−

* 一些注意事项

−

** 人员安排和搭配可以灵活调整

−

** 具体效果取决于大家的聪明才智和投入程度

−

** 代码要简单、可扩展。第一个版本不用、也不可能尽善尽美。以后随着对问题的理解不断深入，不断改进和完善。

−

** 大家要发挥自己的聪明才智，敢于有自己的想法（创新），讨论后，只要感觉有道理都可以花时间去试。

−

* 1：现代汉语词典、同义词词林、HowNet中的词语及其词性信息汇总起来。（由于有版权问题，只能陆凯华做。处理好的数据就可以项目组一起用了。）

−

* 2(a)：从网上hanyu.baidu.com baike.baidu.com [http://www.5156edu.com/ 新华词典] 等上面爬取这些词语的解释页面（黄赛豪、章岳）

−

* 2(b)：对百科数据和wiki数据（可以下载，问一下周厚全）的源文件进行过滤，把不包含这些词语的网页去除（根据字符串匹配即可），速度慢一点也可以（由于有版权问题，只能陆凯华做。处理好的数据就可以项目组一起用了。）

−

* 3：对抽取出来的百科和wiki源文件进行正文抽取（陆凯华、章岳、韩欣艳一起做，参考朱运之前的代码，但是要搞清楚，方便以后改进）

−

* 4: 对正文进行分词

−

* 5: 建立倒排文档，自己设计合适的数据格式，方便使用（章岳、黄赛豪，需要学习一下倒排）

−

* 6(a)：参考基于pattern的方法（bootstrapping），从词典解释中挖掘可能的上下位词对 (黄赛豪、杨奕）

−

* 6(b)：研究基于pattern的方法（bootstrapping），从网页正文中挖掘可能的上下位词对（章岳、韩欣艳）

−

* 疑似上下位词对交给标注系统确认

−

~~== 主要工作 ==~~

−

* 限定词语

−

我们将词语限定在《现代汉语语法信息词典》、同义词林、HowNet和WordNet翻译词四个部分中的名词。对于同义词林、NowNet、WordNet中的词，本身具有一定的上下位关系，可以直接根据规则得到候选上下位词对。《现代汉语语法信息词典》中的词语根据模式匹配得到候选上下位词对。

−

* 限定语料

−

~~我们将语料限定在百度百科和维基百科，我们有百科的源文件，当前需要对数据文件进行倒排索引，方便词语的搜索和模式的识别。~~

−

* 当前工作

−

~~1.从同义词林和HowNet中获取候选上下位关系词对。~~

−

~~2.从WordNet中获取候选上下位词对并翻译。~~

−

~~3.对百科源网页数据进行解析并实现倒排索引。~~

−

~~4.在标注系统中加载标注上下位关系页面。~~

−

~~5.将孙佳伟师姐的现有词对重新标注筛选。~~

−

~~6.利用筛选后的种子词生成模式集。~~

“Word-net”的版本间的差异

2020年10月26日 (一) 09:28的最新版本

导航菜单

搜索

@@ 第1行： / 第1行： @@
-== 李正华 2019.4.5 ==
-=== 陆凯华 ===
-* [[:File: 上下位关系规范v1_0.pdf | 上下位规范 ]]
-* 标注系统准备
-* 人工标注管理（韩欣艳和杨奕可以协助）
-* 和组员深入讨论，在具体方法上指导
-* 继续孙佳伟的工作，做上下位关系分类
-=== 总体规划===
-* 一些注意事项
-** 人员安排和搭配可以灵活调整
-** 具体效果取决于大家的聪明才智和投入程度
-** 代码要简单、可扩展。第一个版本不用、也不可能尽善尽美。以后随着对问题的理解不断深入，不断改进和完善。
-** 大家要发挥自己的聪明才智，敢于有自己的想法（创新），讨论后，只要感觉有道理都可以花时间去试。
-* 1：现代汉语词典、同义词词林、HowNet中的词语及其词性信息汇总起来。（由于有版权问题，只能陆凯华做。处理好的数据就可以项目组一起用了。）
-* 2(a)：从网上hanyu.baidu.com baike.baidu.com [http://www.5156edu.com/ 新华词典] 等上面爬取这些词语的解释页面（黄赛豪、章岳）
-* 2(b)：对百科数据和wiki数据（可以下载，问一下周厚全）的源文件进行过滤，把不包含这些词语的网页去除（根据字符串匹配即可），速度慢一点也可以（由于有版权问题，只能陆凯华做。处理好的数据就可以项目组一起用了。）
-* 3：对抽取出来的百科和wiki源文件进行正文抽取（陆凯华、章岳、韩欣艳一起做，参考朱运之前的代码，但是要搞清楚，方便以后改进）
-* 4: 对正文进行分词
-* 5: 建立倒排文档，自己设计合适的数据格式，方便使用（章岳、黄赛豪，需要学习一下倒排）
-* 6(a)：参考基于pattern的方法（bootstrapping），从词典解释中挖掘可能的上下位词对 (黄赛豪、杨奕）
-* 6(b)：研究基于pattern的方法（bootstrapping），从网页正文中挖掘可能的上下位词对 （章岳、韩欣艳）
-* 疑似上下位词对交给标注系统确认
-== 主要工作 ==
-* 限定词语
-  我们将词语限定在《现代汉语语法信息词典》、同义词林、HowNet和WordNet翻译词四个部分中的名词。对于同义词林、NowNet、WordNet中的词，本身具有一定的上下位关系，可以直接根据规则得到候选上下位词对。《现代汉语语法信息词典》中的词语根据模式匹配得到候选上下位词对。
-* 限定语料
-  我们将语料限定在百度百科和维基百科，我们有百科的源文件，当前需要对数据文件进行倒排索引，方便词语的搜索和模式的识别。
-* 当前工作
-.从同义词林和HowNet中获取候选上下位关系词对。
-.从WordNet中获取候选上下位词对并翻译。
-.对百科源网页数据进行解析并实现倒排索引。
-.在标注系统中加载标注上下位关系页面。
-.将孙佳伟师姐的现有词对重新标注筛选。
-.利用筛选后的种子词生成模式集。