Wikislovník

Wikislovník
Angličtina  Wikislovník
URL wikitionary.org
Komerční Ne
Typ webu Síťový slovník
Registrace Volitelný
jazyky) 170
Umístění serveru Miami
Majitel Nadace Wikimedia
Autor Jimmy Wales
Začátek práce 12. prosince 2002
 Mediální soubory na Wikimedia Commons

Wikislovník je volně  aktualizovaný multifunkční vícejazyčný slovník a tezaurus založený na wiki enginu . Jeden z projektů nadace Wikimedia Foundation . Původně se objevil v angličtině 12. prosince 2002 .

Slovník obsahuje gramatické popisy, výklady a překlady slov. Kromě toho mohou články odrážet informace o etymologii , fonetických vlastnostech a sémantických vztazích slov. Wikislovník je tedy pokusem spojit gramatické , vysvětlující , etymologické a vícejazyčné slovníky a také tezaurus do jednoho produktu.

Wikislovníková data jsou aktivně využívána při řešení různých problémů souvisejících se strojovým zpracováním textu a řeči .

Lexikografický koncept

Prostřednictvím vzájemného vztahu mezi různými jazykovými sekcemi Wikislovníku a mezi přispěvateli do slovníku nadace Wikimedia a dalších projektů mohou přispěvatelé do každého projektu používat koncepty, nástroje a lexikografické materiály vytvořené jejich spolužáky v jiných jazycích. V průběhu práce na různých jazykových úsecích slovníku se vytvořil komplexní koncept univerzálního lexikografického zdroje, který byl poprvé možný díky elektronickým technologiím. Koncept nakonec předpokládá úplný, komplexní popis všech lexikálních jednotek všech přirozených (a základních umělých) jazyků, které mají psaný jazyk. Úplností popisu se rozumí dostupnost informací o fonetice, morfologii, syntaktických a sémantických vlastnostech lexikální jednotky, její etymologii, kompatibilitě a frazeologii. Úplnost a míra konzistence při implementaci tohoto konceptu se může v různých jazykových částech projektu lišit.

V každé jazykové sekci je ústřední „titulární“ jazyk – všechny články jsou psány výhradně v něm, navíc je cílem dát překlady slov a dalších jednotek tohoto jazyka do maximálního možného počtu dalších jazyků. Slova jiných jazyků se zpravidla překládají pouze do tohoto „titulárního“ jazyka. Takže v ruském Wikislovníku pro ruská slova jsou uvedeny interpretace a překlady do cizích jazyků, pro cizí slova jsou namísto výkladů uvedeny překlady do ruštiny .

Při popisu morfologie je učiněn pokus podat co nejúplnější obrázek o skloňování, včetně označení třídy skloňování. Zejména morfologické informace o ruských lexémech jsou uvedeny v souladu s klasifikací navrženou A. A. Zaliznyakem .

Pro doplnění Wikislovníku byla vytvořena rozsáhlá bibliografie a anglický Wikislovník vyvinul pravidla pro zahrnutí termínu do slovníku (viz Kritéria pro zahrnutí ). Na rozdíl od ruské Wikipedie , kde mají přednost při výběru materiálu autoritativní zdroje [Poznámka 1] , v ruském Wikislovníku převažuje analýza použití slov, kterou provádí editor článku [Poznámka 2] .

Thesaurus

Wikislovník obsahuje tyto sémantické vztahy: synonyma , antonyma , hypernyma , hyponyma , kohyponyma , holonyma , meronyma , paronyma .

Wikipedie a Wikislovník

Wikislovník neobsahuje podrobné popisy faktů a encyklopedické informace. Wikislovník však poskytuje jedinečné informace, které na Wikipedii nenajdete: kolokace, výroky, zkratky, akronymy, popisy pravopisných chyb, zjednodušený/poškozený pravopis/výslovnost slov, kontroverzní případy použití, protologismy , onomatopoje , různé styly (např. hovorové) a předmět oblasti [1] . Wikipedie a Wikislovník se tedy vzájemně doplňují.

Wikipedia je podobná Wikipedii v tom, že (1) existují interní odkazy na záznamy o slovech ve Wikislovníku, (2) existují kategorie, (3) existují interwiki odkazující na záznamy o stejném slovu v cizojazyčném slovníku [1] .

Ruská sekce

Dynamika vývoje ruského Wikislovníku

Ruská sekce Wikislovníku vznikla na jaře roku 2004 . Rok a půl se prakticky nevyvíjel, doplňoval se nahodile, hlavně nekvalitním materiálem. Situace se začala měnit koncem roku 2005  a začátkem roku 2006 .

V roce 2006 byl jmenován první administrátor Schwallexu , objem článků se oproti předchozímu roku zvýšil téměř čtyřnásobně, vznikly výkonné nástroje pro popis morfologie a začal se formovat rozvinutý systém sémantických kategorií.

Na podzim roku 2006 dosáhl počet záznamů v ruském Wikislovníku 10 000; pak díky vytvoření bota, který používá slovníky z jiných sekcí Wikislovníku ke generování prázdných článků v ruské sekci, přibylo za měsíc a půl asi 70 000 dalších článků. 7. listopadu 2006 Wikislovník překonal hranici 80 000 záznamů a 10. prosince 2006 byl překročen milník 100 000 záznamů. Dne 17. prosince 2018 přesáhl počet článků 1 000 000. Počet aktivních účastníků byl cca 230.

Na rozdíl od situace u tradičních slovníků nelze úplnost Wikislovníku adekvátně posoudit formálním ukazatelem počtu hesel. Automatické počítadlo nerozlišuje mezi poloprázdnými disky a skutečně informativními články, navíc nezohledňuje intralingvální a interlingvální homonymii. Například slovníkové heslo bor je uvedeno jako jedno heslo, mezitím tento článek popisuje několik homonymních lexémů ruského jazyka a také lexémů stejného jména v jiných jazycích (bulharština, tatarština), - v tradičních slovnících toto materiál by byl uspořádán a zohledněn ve formě několika záznamů.

Srovnání s jinými Wikislovníky

Počínaje srpnem 2008 se ruský Wikislovník dostal na první místo z hlediska velikosti databáze mezi všemi Wikislovníky [3] . Počet záznamů v ruském Wikislovníku přitom není největší [4] . Částečně je to způsobeno tím, že u projektů, které mají více článků než v ruském Wikislovníku, mohou mít články průměrnou velikost menší velikosti, jak je vidět na webu statistik [5] .

Ruský Wikislovník navíc oproti jiným oddílům Wikislovníku obsahuje větší množství pomocných informací, včetně vyhledávacích tabulek, seznamů frekventovaných slov apod. (na rozdíl od hesel ve slovníku, které tvoří tzv. hlavní jmenný prostor, jsou takové informace umístěna v sekcích „“, „Indexy“ atd.). Značný počet záznamů v ruském Wikislovníku jsou stále prázdná místa generovaná roboty. I když se někdy můžeme setkat s kritikou velkého množství prázdných článků, takové předběžné označení má mnoho výhod. Zaprvé pomáhá rychleji vytvářet články tím, že předem obsahuje některé informace, jako je slovní druh popisovaného slova. Za druhé se standardizuje struktura článků. Díky rozšířenému používání šablon (které roboti při automatickém vytváření článků obvykle okamžitě odloží) je možné centrálně změnit vzhled mnoha článků najednou. Přítomnost velkého množství šablon také pomáhá provádět další automatizované úpravy již vytvořených článků – například automaticky odkládat překlady podle předem připravených slovníků (protože pro roboty je snazší orientace ve struktuře článku již označený specializovanými strukturami, spíše než lidským jazykem). Charakteristickým rysem ruského Wikislovníku je dobře propracovaná koncepce vývoje (kterou najdete na hlavní stránce). Díky dobře propracovanému konceptu a širokému použití šablon vypadají články v ruském Wikislovníku více stejného typu než v mnoha jiných projektech (počet sekcí, pořadí, v jakém se objevují, design každé sekce jsou v podstatě stejný).

Autoři spočítali počet slovníkových hesel o ruských slovech, počet hesel s výkladem a bez výkladu ve dvou Wikislovnících (ilustrované). Politika redakce anglického Wikislovníku (nevytvářet prázdné články) byla potvrzena: ve slovníku je pouze 5,57 % slovníkových hesel o ruských slovech bez výkladu. V ruském Wikislovníku je 60,39 % takových článků. V ruském Wikislovníku (stav k roku 2011) je však téměř 3,4krát více hesel s výkladem pro ruská slova než v anglickém Wikislovníku: 53,6 tisíc proti 15,7 tisíc [2] .

Aplikace v úlohách NLP

Pro využití Wikislovníkových lexikografických dat při řešení problémů automatického zpracování textu a řeči  je nutné převést texty slovníkových hesel ( polostrukturovaná data [6] ) do strojově čitelného formátu [7] [8] [9] .

Extrahování dat z wikislovníků není snadný úkol. Lze identifikovat následující potíže [10] : (1) pravidelné a časté změny jak v datech, tak v samotné struktuře článků, (2) různé wikislovníky mají různou strukturu a formát článků [Poznámka 3] , (3) technologie wiki je zpočátku zaměřena na snadnost použití člověkem, nikoli strojově.

Existuje několik analyzátorů pro různé Wikislovníky [11] :

Wikislovníky se používají k řešení různých úloh souvisejících se zpracováním textu a řeči [19] :

Viz také

Poznámky

Komentáře
  1. Wikipedie: Autoritativní zdroje

    Články na Wikipedii musí být založeny na publikovaných autoritativních zdrojích .

  2. Wikislovník: Lexikografický koncept

    Pokud existují neshody ohledně některé z popsaných vlastností jakékoli jazykové jednotky, přednost (z hlediska evidence) mají korpusové zdroje.

  3. Porovnejte například strukturu a pravidla pro formátování článků v anglickém Wikislovníku a ruském Wikislovníku .
  4. Pokud je ve slovníku několik transkripcí, použije se první.
  5. Zdrojový kód programu a výsledky částečného značkování jsou dostupné online: https://code.google.com/p/wikily-supervised-pos-tagger Archivováno 14. dubna 2013 na Wayback Machine
Prameny
  1. 12 Zesch a kol., 2008 , str. 2.
  2. 1 2 Smirnov et al., 2012 .
  3. Wikislovníkové statistiky: Velikost databáze . Datum přístupu: 28. října 2010. Archivováno z originálu 10. srpna 2011.
  4. Wikislovníkové statistiky . Získáno 14. února 2010. Archivováno z originálu 5. ledna 2009.
  5. Wikislovníkové statistiky: Bajty na článek . Získáno 14. února 2010. Archivováno z originálu 10. srpna 2011.
  6. Meyer a Gurevych, 2012 , str. 140.
  7. Zesch et al, 2008 , Obrázek 1, s. čtyři.
  8. Meyer a Gurevych, 2010 , s. 40.
  9. Krizhanovsky, Transformace, 2010 , str. jeden.
  10. Hellmann a Auer, 2013 , str. 16 v PDF, str. 302.
  11. Hellmann et al, 2012 , Tabulka 1, str. 3.
  12. Hellmann et al, 2012 , pp. 8-9.
  13. Hellmann et al, 2012 , str. deset.
  14. Hellmann et al, 2012 , str. jedenáct.
  15. Zesch et al, 2008 .
  16. Križanovskij, Transformace, 2010 .
  17. Krizhanovsky, 2011 .
  18. Križanovskij, Srovnání, 2010 .
  19. Smirnov et al., 2012 , pp. 233-234.
  20. Otte a Tyers, 2011 .
  21. McFate a Forbus, 2011 .
  22. Schlippe et al., 2012 .
  23. Schlippe et al., 2012 , str. 4804.
  24. Meyer a Gurevych, 2012 .
  25. ConceptNet 5 . Získáno 17. dubna 2013. Archivováno z originálu 19. dubna 2013.
  26. Lin a Krizhanovsky, 2011 .
  27. 12 Medero a Ostendorf, 2009 .
  28. Li et al, 2012 .
  29. Chesley et al, 2006 .

Literatura

Odkazy