ItalWordNet: Rete Semantico-Lessicale per l'Italiano - Cnr

Linea 1.3 ItalWordnet
1 Introduzione
Nel periodo corrispondente alla linea 1.3 del progetto SI-TAL è stato ampliato e sviluppato il
prototipo di ItalWordNet realizzato nella fase precedente. Ne diamo qui un resoconto per quanto
riguarda il lavoro svolto e i risultati raggiunti, sia per la parte generale che per quella terminologica
economico-finanziaria. Nella sezione seguente è presentata una valutazione del software di accesso
alla risorsa e della copertura lessicale, la terza sezione contiene la descrizione del software di
gestione e il manuale per l’utente.
1.1 Lessico generale
La rete semantica dell’italiano ItalWordNet (da ora in poi IWN), come è stato detto nel
documento di specifiche, ha ereditato sia i dati sia la maggior parte delle relazioni semantiche da
EuroWordNet (da ora in poi EWN), nel cui ambito è stata inizialmente progettata e sviluppata. Il
modello di relazioni semantiche e l’ontologia contengono alcune modifiche che si sono rese
necessarie per rappresentare la nuova categoria degli aggettivi 1 .
Per quanto riguarda i dati, nel passaggio da EWN a IWN la rete ha subito due tipi di intervento:
uno di controllo e di correzione necessario per quella parte di dati che erano stati trattati solo
automaticamente, l’altro di ampliamento con la codifica in particolare di aggettivi, avverbi e nomi
propri.
Le categorie dei nomi e dei verbi, che già erano presenti, sono state arricchite di nuovi lemmi e/o
sensi. Le categorie degli aggettivi e avverbi, che esistevano solo come target di relazioni semantiche
dalle prime due categorie, sono state codificate ‘ex novo’ come pure l’insieme di nomi propri. Le
fonti di questi dati sono varie, tra le più importanti il Dizionario di Macchina dell’Italiano (DMI) e
il corpus lemmatizzato scelto per l’annotazione semantica della Treebank.
Nel lavoro di revisione i principali obiettivi sono stati i seguenti:
• verificare che tutti i principali sensi di ogni lemma fossero codificati nella rete. Da un
punto di vista metodologico è stato deciso di iniziare questo controllo (ed eventuale
completamento) partendo i) dai livelli più alti del lessico ii) da una lista di lemmi comuni
alle due partizioni del corpus (finanziario e bilanciato) da annotare semanticamente per
la Treebank;
• completare i synset, sia con l’aiuto di dizionari di sinonimi, sia attraverso la revisione
sistematica di entrate isolate 2 molte delle quali potevano essere riunite in synset più
ampi;
1 Per una dettagliata descrizione delle relazioni semantiche, dell’ontologia e dei cambiamenti introdotti dalla
codifica degli aggettivi si rimanda al documento delle specifiche.
2 Queste entrate (circa 6000), inserite nel database con procedure automatiche, avevano una sola relazione interna di
iperonimia e, generalmente, più di due relazioni di equivalenza all’ILI, create anch’esse con procedure automatiche e
non corrette. La correzione di tutte queste entrate è stata completata nella linea 1.3.
4