Building Lithuanian Language Lexical Ontology „LitWordnet“ Using Corpora and Other Lexical Resources

Lietuviškoms internetinių tekstų paieškos bei kalbos atpažinimo sistemoms reikalinga lietuvių kalbos ontologija su semantiniais ryšiais. Kuriant kalbos ontologiją, naudinga remtis Princeton WordNet. Darbe apžvelgiamos kitų kalbų sukurtos leksinės ontologijos. Analizuojamos ir pritaikomos jų struktūros lietuvių kalbos leksinei ontologijai – LitWordnet. Išnagrinėjami ir panaudojami lietuvių kalbos šaltiniai iš kurių galima gauti pradinių duomenų LitWordnet ontologijos formavimui. Aprašomos galimybės traukti papildomus duomenis panaudojant lietuvių kalbos tekstynus. Iš tekstynų traukiami sinonimai, apibrėžimai, žodžio panaudojimo pavyzdžiai ir kiti ryšiai. Taip pat iš tekstyno imamos kontekstinės aplinkos sudarytos žodžiams iš konceptualiai susijusių žodžių. Pateikiami šių duomenų traukimo eksperimentai. Išnagrinėta ir sukurta grafinė varotojo sąsaja ontologijos peržiūrai. Rezultate turima LitWordnet ontologija, sudaryta iš 44,566 žodžių, 68,417 žodžių prasmių, 39,355 sinonimių grupių, 6,626 semantinių ir leksinių ryšių, 38,211 apibrėžimų, 39,355 žodžio panaudojimo pavyzdžių ir 39,355 kontekstų.Lithuanian online text search and speech recognition systems require Lithuanian language ontology with semantic links. While developing language ontology, it is useful to rely on Princeton WordNet ontology. This paper provides an overview of lexical ontologies for other languages. Their structures are analyzed and adapted for Lithuanian language lexical ontology – LitWordnet. Lithuanian language data sources are reviewed and their data is used to create an ontology. We look at the methods for extracting additional data from Lithuanian corpus. Such data includes synonymy, definitions, samples and other semantic links. Contexts, containing conceptually related words, are extracted also. Experiments are provided showing methods of data extraction with examples. Finally, graphical user interfaces used for WordNets are reviewed and our own interface is created to present the data. As a result, LitWordnet ontology is created, consisting of 44,566 words, 68,417 word meanings (senses), 39,355 groups of synonyms (synsets), 6,626 semantic and lexical relations, 38,211 definitions, 39,355 examples and 39,355 contexts.Gamtos mokslų fakultetasVytauto Didžiojo universiteta