Σημασιολογικές προσεγγίσεις κειμενικών δεδομένων

Abstract

Στο κεφάλαιο αυτό παρουσιάζεται η χρησιμότητα κι η αξιοποίηση της σημασιολογικής πληροφορίας σε λεξικό και κειμενικό επίπεδο από λογισμικά ΓΤ. Η σημασιολογική πληροφορία σε λεξικό επίπεδο καθορίζεται συνήθως μέσα από ένα σύνολο ετικετών που εκφράζουν το σημασιολογικό περιεχόμενο και σύνδεση (λ.χ. με σχέσεις υπωνυμίας, υπερωνυμίας) της κάθε λέξης με τις υπόλοιπες. Η σημασιολογική κατηγοριοποίηση και καταχώρηση των λέξεων είναι η πιο συνήθης τακτική για την «εκπαίδευση» λογισμικών ΓΤ, όπως λ.χ. για τη δημιουργία βελτιωμένων αυτόματων μεταφράσεων ή τον εμπλουτισμό μηχανών αναζήτησης. Το παρόν κεφάλαιο παρουσιάζει τις πιο γνωστές λεξικές βάσεις δεδομένων και κάποιες βασικές αρχές της εξόρυξης πληροφορίας για κειμενική αναζήτηση όρων. Τέλος, γίνεται μια πρώτη εισαγωγή στο σημασιολογικό ιστό και γενικότερα στην αντιμετώπιση του διαδικτύου ως ενός δικτύου πληροφοριών που μπορεί να προσπαελαστεί με σημασιολογικά κριτήρια.

This chapter presents the usefulness and exploitation of semantic information at the lexical and textual level by MT software. Semantic information at the lexical level is usually determined through a set of tags that express the semantic content and connection (e.g., with hyponymy and hypernymy relations) of each word with the others. Semantic categorization and registration of words is the most common tactic for "training" MT software, such as for creating improved automatic translations or enriching search engines. This chapter presents the most well-known lexical databases and some basic principles of information extraction for textual term search. Finally, it provides an initial introduction to the semantic web and, more generally, to the approach to the internet as an information network that can be searched using semantic criteria.