corpus

wikipedia

xmlになったdumpが利用できる。

加工用の scriptが、いろんなところに落ちてる。

概念辞書。基本は英語の(正規化された)単語(lemma)ベースで作られてる。

概念は、

関係する単語の集合を持つ。(sense)

簡単な説明がされている( synset_def)

概念動詞の関係が示されている (synlink)

単語の集合については、各国語でそれぞれカバー(率は違うが) があるので、英語以外でも、概念適用できる。

単語(lemma) と 概念は N:N の関係

概念は、関係する複数の単語からなる

単語は、複数の概念に分布する

ただ、N=1の場合もおおそう　

ある概念が単語１つしかもたない。その概念はその単語で説明できるが、、その単語は複数の概念にいるかも...

上記の逆もあり、、N:Nの関係は、、もやっとする。どう整理されるだろうか？

たぶん、概念(synset)の方の関係の図示。まだ、このあたりはカバーできてない。

https://gyazo.com/2a95a525d505b890bcfe7f28e8f3f0db