HyponymyExtraction

项目地址：https://github.com/liuhuanyong/HyponymyExtraction
HyponymyExtraction and Graph based on KB Schema, Baike-kb and online text extract, 基于知识概念体系，百科知识库，以及在线搜索结构化方式的词语上下位抽取．

项目介绍

上下位关系是语言学概念。概括性较强的单词叫做特定性较强的单词的上位词（hypernym），特定性较强的单词叫做概括性较强的单词的下位词(hyponym)。比如我们说，苹果是一种水果，苹果就是水果的一个下位词，也可以称为一个实例，而水果则是苹果的一个上位词，也可以称为一个类．
上下位这种语义关系是整个词汇语义关系中的一个重要内容，通过上下位关系，可以将世间万物进行组织和练联系起来，对于增进人们对某一实体或概念的认知上具有重要帮助
自然语言文本中存储着大量的上下位关系知识，如经过语言专家编辑整理形成的概念语义词典，如同义词词林，中文主题概念词典，hownet等，也存在开放百科知识平台当中，有效地利用这些信息，能够支持多项应用，如：

基于上下位关系的知识问答

基于上下位关系的知识推荐

基于上下位关系的文本理解
本项目主要解决第一个问题，本项目的应用场景是：用户输入一个需要了解的词语，后台通过查询既定知识库，从百百科知识库，在线非结构化文本中进行抽取，形成关于该词语的上下位词语网络，并以图谱这一清晰明了的方式展示出来．

本项目将采用三种方式来完成这一目标

1)基于既定知识库的直接查询，对应extract_kb
2)基于在线百科知识库的抽取，对应extract_baike
3)基于在线文本的结构化抽取，对应extract_text

项目分解

1)基于既定知识库的直接查询

使用方式：进入extract_kb, 设定需要查询的词word，指定python kb_search.py, 会生成相应的html文件,为最终展示结果

结果展示

苹果上下位

长江上下位

孔子上下位

2)基于在线百科的概念抽取

使用方式：进入extract_baike要查询的词word，指定python Baike_search.py, 会生成相应的html文件,为最终展示结果

结果展示

苹果上下位

小米上下位

姚明上下位

If any question about the project or me ,see https://liuhuanyong.github.io/
项目地址：https://github.com/liuhuanyong/HyponymyExtraction

总结

以上是生活随笔为你收集整理的中文词语概念上下位图谱项目的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。