Datos lingüísticos enlazados: introducción a LIDER y a lemon-ontolex

Transcripción

1 Datos lingüísticos enlazados: introducción a LIDER y a lemon-ontolex Jorge Gracia, Elena Montiel-Ponsoda Ontology Engineering Group (OEG) Universidad Politécnica de Madrid (UPM) {jgracia, emontiel}@fi.upm.es Taller sobre Datos Enlazados y Multilingüismo para la Lingüística y las Humanidades Digitales Madrid, 20/10/ /10/2015 Presenter name 1

2 Recursos Lingüísticos 2

3 LRs on the Web Recursos Lingüísticos Electrónicos corpus lexicones diccionarios Recurss enciclopédicos Wordnets terminologías etc. 3

4 Recursos Lingüísticos en la Web Actualmente En formatos hetergéneos APIs no estándard Aislados entre sí Con diferentes niveles de acceso (desde mándame un a servicios web) Múltiples catálogos de RLs con diferentes metadatos y esquemas de representación 4

5 Recursos Lingüísticos en la Web Por tanto... El descubrimiento y reutilizción de RLs resulta costoso en tiempo y esfuerzo 5

6 Recursos Lingüísticos en la Web Red (computer network) ndex.php/terminesp:red 6

7 Recursos Lingüísticos en la Web 7

8 Recursos Lingüísticos en la Web 8 *Picture attribution:

9 Recursos Lingüísticos en la Web ndex.php/terminesp:red 9 *Picture attribution:

10 Recursos Lingüísticos en la Web ndex.php/terminesp:red 10 *Picture attribution:

11 Recursos Lingüísticos en la Web ndex.php/terminesp:red *Picture attribution:

12 Red Recursos Lingüísticos en la Web Pronunciation: [red] Grammar category: sustantivo femenino Singular: red Red Norm: UNE English: network German: Netzwerk Plural: redes Información complementaria pero no conectada Red Etimologiy Del latin rete Gender: f Definition.: Conjunto de ordenadores o de equipos informáticos conectados entre sí. Red_de_computadores Category: redes informáticas Red translations: xarxa (ca), rede (ga), Image 12 *Picture attribution:

13 Datos Enlazados 13

14 URIs (Uniform Resource Identifiers) Identifican recursos en la Web, tanto recursos de información como recursos del mundo real RDF (Resource Description Framework) Expresa relaciones entre recursos subject -predicate object E.g.: Abum mo:image Linked Data foaf:name foaf:made mo:track Try^d Artista Pista mo:available_as 14

15 Linked Data Ontologías Web (OWL, RDF-S) Clases de objetos Propiedades, o relaciones ente clases Individuos, o instancias de esas clases Permite usar razonadores semánticos E.g.: from MUSIC ontology Musical Manifestation Record has_track Track track_number integer 15

16 Linked Data Encajando las piezas Musical Manifestation MUSIC ontology (OWL) Record has_track Track track_number integer mo:has_track 4 mo:track_number JAMENDO data (RDF) 16

17 Linked Data 17

18 Linked Data Data accessible in a standardised way (SPARQL): Give me the title of the albums made by Tryad along with their publication date PREFIX rdf: < PREFIX mo: < PREFIX foaf: < PREFIX dc: < SELECT DISTINCT?title?date WHERE {?artist rdf:type mo:musicartist; Title Date foaf:made?album; foaf:name "t r y ^ d".?album dc:title?title; dc:date?date } Listen Public Domain Tryad Demo (Public Domain)

19 Linked Data Linked Data permite la interoperación entre recursos lingüisticos 19

20 Linked Data for LRs femenine singular number Phonetic form [RED] Form [REDES] plural Phonetic form number Form Red Red gender Form red written form Red Red Sense written form translation Sense Sense translation written form written form Red Sense written form red network image 20

21 Nube de Datos Lingüísticos Enlazados (Linguistic Linked Data Cloud) Linked Data for LRs NIF NLP Interchange Format 21

22 El proyecto LIDER 22

23 Linked Data as an enabler of cross-media and multilingual content analytics for enterprises across Europe 23

24 24 24

25 Objetivo Content providers Multimedia Multilingual Content Metadata generation Multilingual content metadata Content Analytics LOD-aware NLP services LLOD (Language resources as Linked Open Data) Content Analytics consumers... LLOD generation Language resources (lexicon, corpora,...) 25

26 Reference Architecture Certification Benchmarking & Validation Discovery LLD Linking Service Composition LLD Publishing LLD-aware Services Vocabularies Hosting Scalability Streaming Interoperability Metadata Licensing Provenance Multilingual Data Guidelines and Standardization 26

27 More Information Join the community Linked Data for Language Resources twitter.com/multilingweb Hashtag: #LiderEU 27

28 OntoLex-lemon 28

29 OntoLex-lemon Qué es? Modelo de representación de información lingüística multilingüe con respecto a una ontología OntoLex 29

30 OntoLex-lemon Qué es? Modelo de representación léxica en RDF(s) (la semántica viene definida en la ontología) An ontology-based semantic lexicon would leave the semantics to the ontology, focusing instead on providing domain-specific terms and object descriptions in the ontology. (Buitelaar, 2010) Conciso y descriptivo (apunta a repositorios externos) Modular y extensible (consta de 5 módulos) 30

31 OntoLex-lemon Orígenes Lexical Markup Framework (ISO 24613) XML LexInfo, LIR Represent lexical information relative to an ontology OWL SKOS (W3C Standard) Designed for Taxonomy/Vocabulary representation in RDF Modelo de referencia para transformar recursos en linked data (Ver From McCrae, J., lemon: The Lexicon Model for Ontologies SD-LLOD-15 31

32 OntoLex-lemon Qué necesidad intentamos cubrir? Escasez de información lingüística en ontologías Información morfosintáctica Variación terminológica Traducciones Metadatos 32

33 OntoLex-lemon limitación 1 Ejemplo 1: author escasez de info léxica En la ontología DBpedia, es una propiedad con este identificador: Y existe en la Web con otros identificadores también:

34 Gracias a OWL podemos OntoLex-lemon limitación 1 describir dicha entidad con propiedades y relaciones relacionar dicha entidad con entidades en otras ontologías razonar para inferir equivalencias 34

35 OntoLex-lemon limitación 1 Pero la misma entidad se puede designar de muchas maneras autora, autores, authors, Verfasserin Y OWL/RDF(s) tiene ciertas limitaciones Así que necesitamos que las palabras sean entidades!! 35

36 OntoLex-lemon limitación 1 lexinfo: singular property denotes Lexical Form writtenrep= Lexical Form writtenrep= canonicalform otherform : LexicalEntry sense : LexicalSense reference Ontology reference ontology/author property lexinfo: plural 36

37 OntoLex-lemon Core 37

38 OntoLex-lemon limitación 2 Ejemplo 2: escritor variación denominativa En DBpedia es una clase: Pero en la mayoría de vocabularios aparece como autor y es una propiedad: Queremos dar cuenta del uso de autor y escritor como sinónimos (o incluso hipónimos) para facilitar enlazado con otros recursos Según writer 59 vs. Author

39 OntoLex-lemon limitación 2 Lexical From writtenrep= Lexical From writtenrep= canonicalform : LexicalEntry :hyponym canonicalform : LexicalEntry sense category : LexicalSense source : senserelation target sense : LexicalSense reference Ontology reference ogy/writer reference 39

40 OntoLex-lemon limitación 3 Ejemplo 3: Verfasser - traducciones En DNB es una propiedad cuya etiqueta es Verfasser : Cuál sería la mejor traducción? Queremos añadir info sobre frecuencia de uso en las traducciones, etc. 40

41 OntoLex-lemon limitación 3 Lexical From writtenrep= form : LexicalEntry sense : LexicalSense Lexical From writtenrep= :directequivalent form category : LexicalEntry sense source : translation target : LexicalSense reference Ontology reference y/writer : commonlyused usage target Lexical From writtenrep= form : LexicalEntry sense : LexicalSense 41

42 OntoLex-lemon Vartrans Module 42

43 OntoLex-lemon limitación 4 Ejemplo 4: autor subcategorización de verbos, nombres y adjetivos La propiedad de DNB es un nombre relacional, que se comporta de la siguiente manera: Cervantes es autor de obras pertenecientes a Cervantes es el autor de Don Quijote Queremos dar cuenta del comportamiento sintáctico de dicho nombre, así como de los verbos que describen muchas propiedades o relaciones 43

44 OntoLex-lemon limitación 4 Lexical From writtenrep= canonicalform : LexicalEntry sense : LexicalSense synbehavior : nounppframe reference Ontology reference ogy/author subject prepositionalarg objofprop subjofprop 44

45 Ontolex-lemon Synsem Module 45

46 OntoLex-lemon Resumen limitaciones: 1. Describir morfosintácticamente entradas léxicas (las palabras adquieren la condición de entidad) 2. Capturar matices de significado, especificidades de una lengua o cultura 3. Dar cuenta de la variación denominativa y de las traducciones 4. Dar cuenta del comportamiento sintáctico (subcategorización) de las entradas léxicas 46