ChineseSemanticKB

ChineseSemanticKB,chinese semantic knowledge base, 面向中文處理的12類、百萬規(guī)模的語義常用詞典，包括34萬抽象語義庫、34萬反義語義庫、43萬同義語義庫等，可支持句子擴(kuò)展、轉(zhuǎn)寫、事件抽象與泛化等多種應(yīng)用場景。

項目地址

https://github.com/liuhuanyong/ChineseSemanticKB

項目介紹

語義知識庫是自然語言處理中十分重要的一個基礎(chǔ)資源，與學(xué)術(shù)界追求算法模型不同，工業(yè)界的自然語言處理對于底層的詞匯知識庫、語義知識庫等多種資源依賴度很高，具體體現(xiàn)在：
1、具有落地場景的自然語言處理任務(wù)都是業(yè)務(wù)高度相關(guān)，一個業(yè)務(wù)需求剛進(jìn)去，需要解決的是業(yè)務(wù)的詞匯問題，無基礎(chǔ)詞庫，無項目冷啟動；
2、規(guī)則和正則啟動下的工業(yè)級應(yīng)用，規(guī)則的擴(kuò)展、泛化都需要底層的詞匯網(wǎng)絡(luò)做支撐；
3、目前包括搜索、問答、輿情監(jiān)控、事件分析等應(yīng)用，與標(biāo)簽體系的運作關(guān)系密切，而這與先驗的底層詞匯庫依賴性很強；
4、自然語言場景越來越關(guān)注推理層面，即所謂的“認(rèn)知”層面，認(rèn)知背后的各種邏輯關(guān)系庫，是驅(qū)動這一決策的根本途徑；
5、當(dāng)前，面向中文開源詞庫的工作存在少量、分散的狀態(tài)，無論從規(guī)模，還是質(zhì)量，都需要進(jìn)一步聚合；
因此，我從過往的開源工作中進(jìn)一步抽離和整理，形成了中文處理的12類、百萬規(guī)模的語義常用詞典，包括34萬抽象語義庫、34萬反義語義庫、43萬同義語義庫等，用于相關(guān)下游任務(wù)。

項目放于dict當(dāng)中，可直接下載，不建議二次建庫共享，尊重開源。

詞庫的類別

詞庫類型詞庫規(guī)模詞庫舉例詞庫應(yīng)用

抽象關(guān)系庫	346,048	座椅,抽象,家具	事件抽象與泛化，人民幣貶值到貨幣貶值，再到美元貶值，可支持查詢擴(kuò)展、推薦等任務(wù)
反義關(guān)系庫	34,380	開心@苦惱	可用于句子改寫，開心改苦惱，支持?jǐn)?shù)據(jù)增強，句子生成
同義關(guān)系庫	424,826	開心@高興	可用于查詢擴(kuò)展、數(shù)據(jù)增強，也可結(jié)合抽象關(guān)系庫完成推薦等任務(wù)
簡稱關(guān)系庫	136,081	北京大學(xué)@北大	可用于句子標(biāo)準(zhǔn)化、句子改寫、實體消歧等任務(wù)
程度副詞	222	極其,2.0	可用于情感強度計算，帶情感色彩的句子生成
否定詞	586	不,無,沒有	可用于情感計算等任務(wù)
節(jié)日時間詞	54	春節(jié)、五四節(jié)	可用于時間詞識別等任務(wù)
量比詞	7	占比、環(huán)比、同比	可用于金融領(lǐng)域指標(biāo)類數(shù)據(jù)提取任務(wù)
數(shù)量介詞	24	大約、達(dá)到、超過	可用于金融事件抽象或主干化的搭配詞處理任務(wù)
停用詞	3,861	？、的、著	常規(guī)的文本特征提取等任務(wù)
修飾副詞	222	所、有所	可結(jié)合程度副詞完成情感強度計算等任務(wù)
情態(tài)詞	77	肯定、應(yīng)該、大概	可用于句子主觀性計算、輿情與可信度計算

總結(jié)

1、本項目開源了一個目前可用于事件處理以及工業(yè)輿情的12類語義詞庫，總規(guī)模數(shù)目一百余萬； https://github.com/liuhuanyong/ChineseSemanticKB
2、本項目開源的34萬抽象語義庫、34萬反義語義庫、43萬同義語義庫，在作者的實際工作中【事件處理、事理抽取、事件推理】等有重要用途;
3、中文常用語義常用詞典，均來源于公開文本+人工整理+機器抽取形成，其中若有質(zhì)量不高之處，可積極批評指正;
4、中文開源事業(yè)還是要堅持做下去，盡可能地縮短自然語言處理學(xué)術(shù)界和工業(yè)界之間的鴻溝。

If any question about the project or me ,see https://liuhuanyong.github.io/.
如有自然語言處理、知識圖譜、事理圖譜、社會計算、語言資源建設(shè)等問題或合作，可聯(lián)系我：
1、我的github項目介紹：https://liuhuanyong.github.io
2、我的csdn技術(shù)博客：https://blog.csdn.net/lhy2014
3、我的聯(lián)系方式: 劉煥勇，中國科學(xué)院軟件研究所，lhy_in_blcu@126.com.
4、我的共享知識庫項目：劉煥勇，數(shù)據(jù)地平線，http://www.openkg.cn/organization/datahorizon.
5、我的工業(yè)項目：劉煥勇，數(shù)據(jù)地平線，大規(guī)模實時事理學(xué)習(xí)系統(tǒng)：https://xueji.datahorizon.cn.
6、我的工業(yè)項目：劉煥勇，數(shù)據(jù)地平線，面向事件和語義的自然語言處理工具箱：https://nlp.datahorizon.cn

總結(jié)

以上是生活随笔為你收集整理的ChineseSemanticKB，面向中文处理的12类、百万规模的语义常用词库存的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。