ワードネット

WordNetは、単語間の意味関係を記述した語彙データベースであり、同義語、下位語、部分語などの意味関係で単語をリンクします。同義語は、短い定義と使用例とともにシノセットにグループ化されます。したがって、辞書と類語辞典の組み合わせと拡張と考えることができます。主な用途は、自動テキスト分析と人工知能アプリケーションです。WordNetは最初に英語で作成され^{[ 2 ]}、英語のWordNetデータベースとソフトウェアツールはBSDスタイルのライセンスで公開されており、無料でダウンロードできます。

2026年現在、このプロジェクトは開発されていません。^{[ 3 ]}オンライン版は利用できなくなりました。以前のバージョンのウェブサイトでは、資金と人員の問題が説明されていました。^{[ 4 ]}

コミュニティ主導のプロジェクトがいくつかあり、データセットのバージョンを積極的に維持している。プロジェクトで認められている取り組みには、Open English WordnetやGlobal WordNet Associationなどがある。^{[ 3 ]}

WordNetは、1985年にプリンストン大学認知科学研究所で心理学教授ジョージ・アーミテージ・ミラーの指導の下、英語のみで初めて作成されました。その後、クリスティアーネ・フェルバウムが指揮を引き継ぎました。このプロジェクトは当初、米国海軍研究局の資金提供を受け、その後、DARPA、国立科学財団、破壊的技術局（旧先端研究開発活動）、REFLEXなどの他の米国政府機関からも資金提供を受けました。ジョージ・ミラーとクリスティアーネ・フェルバウムは、WordNetでの功績により、2006年にアントニオ・ザンポッリ賞を受賞しました。

グローバルワードネット協会は、世界中のあらゆる言語のワードネットについて議論、共有、接続するためのプラットフォームを提供する非営利団体です。クリスティアーネ・フェルバウムとピーク・Th.JM・フォッセンが共同会長を務めています。^{[ 5 ]}

このデータベースには、175,979個のシノセットに整理された155,327個の単語が含まれており、合計207,016個の単語と意味のペアがあります。圧縮された形式では、サイズは約12メガバイトです。 ^{[ 6 ]}

これには名詞、動詞、形容詞、副詞といった語彙カテゴリーが含まれるが、前置詞、限定詞、その他の機能語は含まれない。

同じ語彙カテゴリーに属し、ほぼ同義語である単語はシノセットにまとめられ、これには単数語だけでなく、 「eat out」や「car pool」のような連語も含まれます。多義語の異なる意味は、それぞれ異なるシノセットに割り当てられます。シノセットの意味は、短い定義説明と1つ以上の使用例によってさらに明確化されます。形容詞のシノセットの例は次のとおりです。

良い、適切な、熟した – （特定の目的に最も適している、または適切な；「トマトを植えるのに良い時期だ」「行動を起こすのに適切な時期だ」「大きな社会変革の機が熟した」）

すべてのシノセットは意味関係によって結び付けられています。これらの関係は、すべての語彙カテゴリーで共有されているわけではありませんが、以下のようなものがあります。

• 名詞
  • 上位語： YはXの上位語である。それは、すべてのXがYの一種である（ canineはdogの上位語である）。
  • 下位語： YがXの下位語であるとは、すべてのYがXの一種である場合をいう（例：犬はイヌ科の下位語である）。
  • 座標項：XとYが上位概念を共有する場合、YはXの座標項である（オオカミは犬の座標項であり、犬はオオカミの座標項である）。
  • 全体概念： YはXの全体概念である。XがYの一部である場合（建物は窓の全体概念である）。
  • 部分語： YがXの一部である場合、 YはXの部分語である（窓は建物の部分語である）。
• 動詞
  • 上位語：動詞Yは、活動XがYの一種である場合、動詞Xの上位語である（知覚することは聞くことの上位語である）。
  • 下位語：動詞Yが動詞Xの下位語であるのは、活動Yが何らかの方法でXを行っている場合である（舌足らずな話し方は話すことの下位語である）。
  • 含意：動詞Yは動詞Xによって含意される。Xを行うことによって必ずYも行われる場合（眠ることはいびきをかくことによって含意される）。
  • 同位語：動詞Yは、動詞XとYが上位語を共有する場合、動詞Xの同位語である（「舌足らずな話し方をする」は「叫ぶ」の同位語であり、「叫ぶ」は「舌足らずな話し方をする」の同位語である）。

これらの意味関係は、リンクされたシノセットのすべてのメンバー間で成立します。個々のシノセットメンバー（単語）も、語彙的な関係で結び付けられることがあります。例えば、名詞「director」は、動詞「direct」の派生語である動詞「direct」と「形態意味論的」なリンクで結び付けられています。

データベースに付属するソフトウェアの形態素解析機能は、ユーザーの入力から単語の語幹（語幹形）を推測しようとします。不規則な語形はリストに格納され、例えば「ate」を検索すると「eat」が返されます。

名詞と動詞はどちらも、上位語関係またはIS A関係によって定義される階層構造に整理されています。例えば、「犬」という単語の意味の一つは、上位語関係の階層構造に従って定義されます。同じレベルの単語は、シノセットのメンバーを表します。各シノニムセットには、固有のインデックスが付与されています。

最上位レベルでは、これらの階層構造は名詞用に25個、動詞用に15個の初心者向け「ツリー」（保守レベルでは辞書ファイルと呼ばれる）に整理されています。これらはすべて、固有の初心者向けシノセットである「エンティティ」にリンクされています。名詞の階層構造は、動詞の階層構造よりもはるかに深い構造になっています。

形容詞は階層的なツリー構造にはなっていません。むしろ、「熱い」と「冷たい」といった2つの「中心」となる反意語が二極を形成し、「蒸し暑い」や「肌寒い」といった「衛星」となる同義語は、「類似性」の関係を介してそれぞれの極と結びついています。このように、形容詞は「ツリー」ではなく「ダンベル」として視覚化することができます。

WordNet プロジェクトの当初の目標は、1960 年代後半に開発された人間の意味記憶の理論と一致する語彙データベースを構築することでした。心理学実験では、話者は概念の知識を経済的かつ階層的な方法で整理していることが示されました。概念知識にアクセスするために必要な検索時間は、話者が知識にアクセスするために「たどる」必要のある階層の数に直接関係しているように見えました。したがって、話者はカナリアが鳴くことができることを、カナリアが鳴き鳥であることからより迅速に検証できますが、カナリアが飛ぶことができることを検証するには少し時間がかかり(上位レベルの「鳥」という概念にアクセスする必要がある)、カナリアに皮膚があることを検証するにはさらに時間がかかります (下位語の複数のレベルを横断して「動物」まで検索する必要がある)。^{[ 7 ]} このような心理言語学的実験と基礎となる理論は批判の対象となっていますが、WordNet の構成の一部は実験的証拠と一致しています。例えば、失語症は、話者が特定の意味カテゴリー（WordNet階層）に属する単語を生成する能力に選択的に影響を与えます。反意語形容詞（WordNetのダンベル構造における中心的な形容詞）は、偶然よりもはるかに高い頻度で共起することがわかっています。この事実は、多くの言語で当てはまることがわかっています。

WordNetはオントロジーと呼ばれることがありますが、これは作成者自身が主張しているものではありません。名詞シノセット間の上位語/下位語関係は、概念カテゴリ間の特殊化関係として解釈できます。つまり、WordNetはコンピュータサイエンスの意味で語彙オントロジーとして解釈および使用できます。しかし、このようなオントロジーは、数百もの基本的な意味的矛盾を含んでいるため、使用する前に修正する必要があります。例えば、(i)排他的カテゴリに対する共通の特殊化や、(ii)特殊化階層における冗長性などが挙げられます。さらに、WordNetを知識表現に使用できる語彙オントロジーに変換するには、通常、(i)特殊化関係をsubtypeOf関係とinstanceOf関係に区別すること、および(ii)各カテゴリに直感的な一意の識別子を関連付けることも含まれます。 WordNet 1.7 を WebKB-2 の共同更新可能な知識ベースに統合する過程で、このような修正や変換が行われ、文書化されているが、 ^{[ 8 ]} WordNet を知識ベースのアプリケーション (通常は知識指向の情報検索) に再利用すると主張するプロジェクトのほとんどは、単にそれを直接再利用している。   

WordNetは、ハイブリッドなボトムアップ・トップダウン方式によって形式仕様に変換され、そこから関連関係を自動的に抽出し、DOLCE基礎オントロジーで正式に定義された一連の概念関係の観点からこれらの関連を解釈するようになりました。^{[ 9 ]}

WordNetをオントロジーに統合したと主張するほとんどの研究では、WordNetの内容は必要と思われるときに単に修正されたのではなく、適切な場合には大幅に再解釈され、更新されてきました。たとえば、WordNetの最上位オントロジーがOntoCleanベースのアプローチに従って再構築されたとき^{[ 10 ]}、またはSENSUSオントロジーの下位クラスを構築するための主要なソースとして使用されたときがこれに該当します。

WordNet（およびImageNetなどの関連リソース）の最も広く議論されている制限は、意味関係の一部が抽象的な概念よりも具体的な概念に適していることです。^{[ 11 ]}例えば、「針葉樹」は「木」の一種であり、「木」は「植物」の一種であり、「植物」は「生物」の一種であることを示す下位語/上位語の関係を作成するのは簡単ですが、「恐怖」や「幸福」などの感情を同様に深く明確に定義された下位語/上位語の関係に分類するのは困難です。

WordNet の概念の多くは特定の言語に固有のものであり、言語間の最も正確なマッピングは 94% と報告されています。^{[ 12 ]}同義語、下位語、部分語、反意語は、これまでに WordNet が存在するすべての言語に存在しますが、その他の意味関係は言語固有です。^{[ 13 ]}このため、言語間の相互運用性は制限されます。しかし、WordNet は言語間の違いを強調し研究するためのリソースにもなるため、すべてのユースケースにとって必ずしも制限となるわけではありません。

WordNetには語源や発音に関する情報は含まれておらず、使用法に関する情報も限られています。WordNetは日常的に使われる単語のほとんどを網羅することを目的としており、専門用語はあまり含まれていません。

WordNetは、テキスト内の単語に文脈にふさわしい意味（つまり、synsetメンバー）を割り当てることを目的としたタスクである単語意味曖昧性解消（WSD）において、最も一般的に使用されている英語の計算語彙集です。 ^{[ 14 ]}しかし、WordNetは意味の区別を細かすぎる粒度でエンコードしているという指摘があります。この問題により、WSDシステムは、文脈内の単語に一致する意味を辞書から選択するというタスクに直面した際に必ずしも意見が一致しない人間のパフォーマンスに匹敵するレベルを達成できません。粒度の問題は、同じ単語の類似した意味を自動的にグループ化するクラスタリング手法を提案することで対処されています。 ^{[ 15 ] [ 16 ] [ 17 ]}

WordNetは、情報システムにおいて、単語の意味曖昧性解消、情報検索、自動テキスト分類、自動テキスト要約、機械翻訳、さらには自動クロスワードパズル生成など、さまざまな目的で使用されてきました。

WordNet の一般的な用途は、単語間の類似性を判断することです。さまざまなアルゴリズムが提案されており、これには、単語とシノセット間の距離をWordNet のグラフ構造で測定する方法、例えばシノセット間のエッジの数を数える方法などがあります。直感的には、2 つの単語またはシノセットが近いほど、意味も近いということです。WordNet ベースの単語類似性アルゴリズムのいくつかは、WordNet::Similarity と呼ばれるPerlパッケージ^{[ 21 ]}とNLTKと呼ばれるPythonパッケージ^{[ 22 ]}に実装されています。その他のより高度な WordNet ベースの類似性技術には、Javaで実装されているADW ^{[ 23 ]}などがあります。WordNet は、他の語彙を相互にリンクするためにも使用できます^{[ 24 ] 。}

プリンストン大学は、さまざまなプログラミング言語や環境を使用して WordNet にアクセスするために利用できる、広く使用されているアプリケーション プログラミング インターフェイスへのリンクを含む関連プロジェクトのリストを維持しています^{[ 25 ]}。

WordNetは、セマンティックWebの複数のデータベースと連携しています。また、WordNetのシノセットとオントロジーのカテゴリ間のマッピングを通じて、WordNetは広く再利用されています。多くの場合、WordNetの最上位カテゴリのみがマッピングされます。

WordNetデータベースは、以下のソフトウェア向けに辞書パッケージ（通常は単一ファイル）として配布されています。

• バビロン^{[ 65 ]}
• ゴールデンディクト^{[ 66 ]}
• リンゴーズ^{[ 67 ]}
• LexSemantic ：参考資料（辞書、百科事典など）を出版するためのデジタルプラットフォーム。WordnetPlusを含む。

• 語彙マークアップフレームワーク
• 機械可読辞書
• 同義語リング
• 分類学

• 公式サイト
• 「マラヤーラム語ワードネット」。コンピュータサイエンス。コチン科学技術大学。
• ピラト、マリア。「形容詞、強調語、否定語（AIN）類語辞典」。イタリア語の感情。