____ _ _ _ _
| _ \ ___ | |_ (_) _ __ ___ __| | (_) __ _
| |_) | / _ \ | __| | | | '_ \ / _ \ / _| | | | / _ |
| _ < | __/ | |_ | | | |_) | | __/ | (_| | | | | (_| |
|_| \_\ \___| \__| |_| | .__/ \___| \__,_| |_| \__,_|
|_|
- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b- `b
Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―Β―
Synset
ββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββ
top
Synset ist ein aus dem Englischen stammender Begriff der Semantik, konkreter der Lexikographie. Es geht um die Bildung von Wortfeldern und Begriffsfeldern, indem man Synonyme zu einem Feld, einem βKonzeptβcite-ref-1[1] (im Sinne einer Begrifflichkeit) zusammenfasst. In der inhaltlichen ErschlieΓung entspricht ein Synset einem Synonymring.
Contents
β’ Unterscheidungen
β’ Software
β’ Literatur
β’ Einzelnachweise
ββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββββ
Unterscheidungen
Man unterscheidet lexikalische und konzeptuelle (begriffliche) Beziehungen (Relationen) innerhalb eines Synset.
Lexikalische Beziehungen
Konzeptuelle Beziehungen
(a) das VerhΓ€ltnis von Ober- zu Unterbegriffen (Hyperonymie/Hyponymie bzw. Superordination/Subordination;
Software
Das Natural Language Toolkit enthΓ€lt Werkzeuge, die unter Benutzung von WordNet unterschiedliche Abfragen zu Synsets ermΓΆglichen.cite-ref-3[3] Das untere Beispiel in der Programmiersprache Python importiert WordNet und gibt dann das Synset zu βmotorcarβ aus. AnschlieΓend werden zum ermittelten Synset βcar.n.01β das Wortfeld mit der Methode lemma_names() ermittelt und ausgegeben.
import nltk
from nltk.corpus import wordnet as wn
print(wn.synsets('motorcar'))
# Ausgabe: [Synset('car.n.01')]
print(wn.synset('car.n.01').lemma_names())
# Ausgabe: ['car', 'auto', 'automobile', 'machine', 'motorcar']
Literatur
β’ Claudia Kunze: Semantische Relationstypen im GermaNet. In: Stefan Langer, Daniel Schnorbusch: Semantik im Lexikon (= TΓΌbinger BeitrΓ€ge zur Linguistik; Bd. 479). Narr, TΓΌbingen 2005, S. 161β178 (164 f.), ISBN 3-8233-6099-X (Semantik Im Lexikon ΓΌber Google Books)
Einzelnachweise
cite-note-11. β Kunze, in: Langer/Schnorbusch, Semantik im Lexikon (2005), S. 161 (164), Beispiel: {Hast, Eile}
cite-note-22. β genauer: morphosemantischen Relationen derived_from und participle, vgl. Kunze, in: Langer/Schnorbusch, Semantik im Lexikon (2005), S. 165
cite-note-33. β Steven Bird, Ewan Klein, and Edward Loper: Natural Language Processing with Python β Analyzing Text with the Natural Language Toolkit. In: Accessing Text Corpora and Lexical Resources. Abgerufen am 13. April 2020 (englisch).