WORDNET FAKULTA INFORMAČNÍCH TECHNOLOGIÍ BRNO UNIVERSITY OF TECHNOLOGY FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS

ˇ ´ UCEN Í TECHNICKE ´ V BRNE ˇ VYSOKE BRNO UNIVERSITY OF TECHNOLOGY

ˇ ÍCH TECHNOLOGIÍ FAKULTA INFORMACN ˇ ÍCH SYSTEM ´ ´ U ˚ USTAV INFORMACN FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS

ˇ ´ ´ INOVACE UZIVATELSK EHO ROZHRANÍ DATABAZE WORDNET

´ RSK ˇ ´ PRACE ´ BAKALA A BACHELOR’S THESIS

´ AUTOR PRACE AUTHOR

BRNO 2008

ˇ ADAM KOPRIVA

ˇ Í TECHNICKE ´ V BRNE ˇ VYSOKE´ UCEN BRNO UNIVERSITY OF TECHNOLOGY

ˇ ÍCH TECHNOLOGIÍ FAKULTA INFORMACN ˇ ÍCH SYSTEM ´ ´ U ˚ USTAV INFORMACN FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS

ˇ ´ ´ INOVACE UZIVATELSK EHO ROZHRANÍ DATABAZE WORDNET WORDNET DATABASE USER INTERFACE INNOVATION

´ RSK ˇ ´ PRACE ´ BAKALA A BACHELOR’S THESIS

´ AUTOR PRACE

ˇ ADAM KOPRIVA

AUTHOR

´ VEDOUCÍ PRACE SUPERVISOR

BRNO 2008

ˇ Ing. PETR CHMELAR

Abstrakt Tato pr´ ace se vˇenuje inovaci grafického uˇzivatelského rozhran´ı programu JWord 3.0. Jedn´ a se o program, kter´ y pracuje s elektronickou lexikáln´ı databáz´ı angliˇctiny WordNet. Slova v této datab´ azi nejsou narozd´ıl od bˇeˇzného slovn´ıku ˇrazena abecednˇe, ale jsou seskupena do synonymick´ ych ˇrad. Tyto ˇrady pak spojuj´ı r˚ uzné sémantické vztahy. Pˇri návrhu implementace byl kladen d˚ uraz zejména na rychlost vyhledán´ı informac´ı k zadanému slovu. To mˇelo za následek pˇrechod od souˇcasného vyhledáván´ı v souborech k z´ıskáván´ı informac´ı pomoc´ı dotaz˚ u v datab´ azi. V´ ysledn´ y program se skládá ze dvou ˇcást´ı - programového a grafického uˇzivatelského rozhran´ı. Programové rozhran´ı pracuje nad databáz´ı MySQL WordNet 3.0. Uˇzivatelské rozhran´ı pak pomoc´ı programového zobrazuje hledané v´ yznamy zadaného slova a vztahy k dalˇs´ım slov˚ um (synonyma, antonyma, hyponyma, hypernyma).

Kl´ıˇ cov´ a slova WordNet, JWord, MySQL, grafické uˇzivatelské rozhran´ı, GUI, Java, sémantick´ y web

Abstract This thesis considers innovations of graphical user interface for JWord 3.0. It’s a program, which works with electronic lexical database of English - WordNet. The words in this database aren’t sorted in the alphabetical order like in usual dictionaries, but they are grouped to synonymic groups. These groups are then connected with different semantic relations. During the implementation design I have focused mainly on the speed of searching for informations about the entered word. This lead to the change of searching engine from searching in files to querying database. The resulting program is composed of two parts program and graphical user interface. Program interface works with MySQL WordNet 3.0 database. User interface then shows meanings of the entered word and relations to other words (synonyms, antonyms, hyponyms, hypernyms).

Keywords WordNet, JWord, MySQL, graphical user interface, GUI, Java, semantic web

Citace Adam Kopˇriva: Inovace uˇzivatelského rozhran´ı databáze WordNet, bakaláˇrská práce, Brno, FIT VUT v Brnˇe, 2008

Inovace uˇ zivatelsk´ eho rozhran´ı datab´ aze WordNet Prohl´ aˇ sen´ı Prohlaˇsuji, ˇze jsem tuto bakal´ aˇrskou práci vypracoval samostatnˇe pod veden´ım pana Ing. Petra Chmelaˇre ....................... Adam Kopˇriva 11. kvˇetna 2008

Podˇ ekov´ an´ı Chtˇel bych podˇekovat panu Ing. Petru Chmelaˇrovi za jeho pomoc a podporu pˇri ˇreˇsen´ı této bakaláˇrské pr´ ace.

c Adam Kopˇriva, 2008.

Tato pr´ ace vznikla jako ˇskoln´ı d´ılo na Vysokém uˇcen´ı technickém v Brnˇe, Fakultˇe informaˇcn´ıch technologi´ı. Pr´ ace je chr´ anˇena autorským z´ akonem a jej´ı uˇzit´ı bez udˇelen´ı opr´ avnˇen´ı autorem je nez´ akonné, s výjimkou z´ akonem definovaných pˇr´ıpad˚ u.

Obsah ´ 1 Uvod 1.1 Sémantick´ y web . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 WordNet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Struktura pr´ ace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 3 3 4

2 Sezn´ amen´ı s datab´ az´ı WordNet 2.1 Lexik´ aln´ı datab´ aze angliˇctiny . . . . . . . 2.1.1 Vztahy mezi slovy . . . . . . . . . ˇ 2.1.2 Razen´ ı slov . . . . . . . . . . . . . 2.2 Historie . . . . . . . . . . . . . . . . . . . 2.2.1 Psycholexikologie . . . . . . . . . . 2.2.2 Uspoˇr´ ad´ an´ı slovn´ıku . . . . . . . . 2.3 Lexik´ aln´ı matice . . . . . . . . . . . . . . 2.3.1 Pˇr´ıklad uspoˇr´ ad´ an´ı . . . . . . . . . 2.3.2 Vztah mezi druhy a v´ yznamy slov 2.4 Vztahy mezi slovy . . . . . . . . . . . . . 2.4.1 Synonyma . . . . . . . . . . . . . . 2.4.2 Antonyma . . . . . . . . . . . . . . 2.4.3 Hyponyma a hypernyma . . . . . . 2.4.4 Meronyma a holonyma . . . . . . . 2.5 Dalˇs´ı projekty . . . . . . . . . . . . . . . . 2.5.1 EuroWordNet . . . . . . . . . . . . 2.5.2 Global WordNet Association . . .

. . . . . . . . . . . . . . . . .

5 5 5 5 6 6 6 6 7 7 7 8 8 9 9 9 9 9

3 Anal´ yza 3.1 Program JWord 3.0 . . . . . . 3.2 Sezn´ amen´ı s programem JWord 3.2.1 WordNet . . . . . . . . 3.2.2 Rotget’s Thezaurus . . . 3.2.3 Root Book . . . . . . . 3.3 Funkˇcnost programu JWord 3.0

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

10 10 10 11 11 11 11

4 N´ avrh implementace 4.1 Moˇznosti uloˇzen´ı dat . . . . . . . . . . 4.1.1 Data uloˇzen´ a v souborech . . . 4.1.2 Data uloˇzen´ a v databázi . . . . 4.2 Porovn´ an´ı rychlosti pˇr´ıstupu k dat˚ um 4.3 Implementaˇcn´ı jazyk . . . . . . . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

12 12 12 13 14 15

. . 3.0 . . . . . . . .

. . . . . .

1

4.4

4.3.1 Programovac´ı jazyk Java . . . . . . . . . . . . . . . . . . . . . . . . 4.3.2 Rozhran´ı .NET . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Vyhodnocen´ı n´ avrhu implementace . . . . . . . . . . . . . . . . . . . . . . .

5 Imlplementace 5.1 Programové rozhran´ı . . . . . . . . . . . . . . . 5.1.1 Funkce pro komunikaci s databáz´ı . . . 5.1.2 Funkce pro vyhledáván´ı dat v databázi 5.1.3 Funkce pro zpracován´ı dat . . . . . . . . 5.1.4 Implementace SQL dotaz˚ u. . . . . . . . 5.2 Grafické uˇzivatelské rozhrann´ı . . . . . . . . . . 5.2.1 Prostˇred´ı Swing . . . . . . . . . . . . . . 5.2.2 Programov´ a ˇc´ ast GUI . . . . . . . . . . 5.2.3 Manu´ al ke GUI . . . . . . . . . . . . . . 5.3 Testov´ an´ı . . . . . . . . . . . . . . . . . . . . . 5.3.1 Vyhled´ an´ı informac´ı o slovu make . . . 5.3.2 Vyhled´ an´ı informac´ı o slovu clear . . . .

15 15 15

. . . . . . . . . . . .

17 17 17 18 18 19 22 22 23 24 26 26 27

6 Z´ avˇ er 6.1 Moˇzn´ a rozˇs´ıˇren´ı . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28 28

A Pˇ r´ılohy A.1 Obsah pˇriloˇzeného CD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A.2 Schéma datab´ aze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30 30 31

2

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

Kapitola 1

´ Uvod 1.1

S´ emantick´ y web

V posledn´ıch letech m˚ uˇzeme vidˇet snahu o vytvoˇren´ı sémantického webu [10]. Sémantika je v jazykovˇedˇe nauka o v´ yznamech slov a vyˇsˇs´ıch jazykov´ ych celk˚ u. Sémantick´ ym webem ’ m˚ uˇzeme nazvat takovou s´ıt , kde dokumenty obsahuj´ı skryté znaˇcky, které poskytuj´ı informace o v´ yznamu obsaˇzen´ ych dat. Idea sémantického (v´ yznamového) webu si zakládá na doplnˇen´ı s´ıtˇe webov´ ych str´ anek s´ıt´ı v´ yrok˚ u. Tyto v´ yroky pak lze narozd´ıl od souˇcasn´ ych webov´ ych str´ anek automatizovanˇe zpracovávat. Sémantika tedy umoˇzn ˇuje poˇc´ıtaˇcové zpracován´ı psaného textu, snadné vyhledáván´ı a kategorizaci. Nejedn´ a se o dalˇs´ı poˇc´ıtaˇcov´ y jazyk, informaˇcn´ı systémy jsou vytváˇreny jako automatizované systémy, do nichˇz lidé informace zadávaj´ı prostˇrednictv´ım promyˇslen´ ych rozhran´ı. Pro pˇrid´ an´ı sémantické hodnoty je tedy jen tˇreba rozˇs´ıˇrit tato rozhran´ı (obvykle formul´ aˇre administraˇcn´ıch aplikac´ı) o nˇekolik jednoduch´ ych prvk˚ u. Základn´ım prvkem semantického webu je ontologie. Ontologie umoˇzn ˇuje tvorbu metadat, neboli informac´ı o informac´ıch. Tato metadata dodávaj´ı dokumentu ˇci jeho ˇcástem tolik ´ celem ontologi´ı je podpora porozumˇen´ı mezi lidmi, podpotˇrebné v´ yznamové informace. Uˇ pora komunikace mezi poˇc´ıtaˇcov´ ymi systémy a podpora návrhu znalostnˇe orientovan´ ych systém˚ u. Jedn´ım z moˇzn´ ych zdroj˚ u pro budován´ı ontolig´ı (formáln´ı specifikace pojm˚ u a vztah˚ u mezi nimi) m˚ uˇze b´ yt i WordNet.

1.2

WordNet

WordNet je v´ ykladov´ y slovn´ık modern´ı angliˇctiny, p˚ uvodem z Princetonské Univerzity. Jak jiˇz napov´ıd´ a s´ am n´ azev, jedn´ a se o s´ıt’ slov propojen´ ych sémantick´ ymi vztahy. V´ yvoj této lexikáln´ı datab´ aze zaˇcal jiˇz v roce 1985 a nyn´ı se nacház´ı ve verzi 3.0 a obsahuje jiˇz pˇres 155000 unik´ atn´ıch ˇretˇezc˚ u. Program, kter´ y dok´ aˇze vyhledávát informace v databázi WordNet a pˇres grafické rozhran´ı zobrazit v´ ysledek uˇzivateli vznikl na univerzitˇe George Washingtona. Jedná se o program JWord a nach´ az´ı se ve verzi 3.0. Autoˇri vˇsak vyz´ yvaj´ı k inovaci jeho grafického uˇzivatelského rozhran´ı. Ze z´ asad anglického lexik´ aln´ıho slovn´ıku WordNet vycházej´ı i pˇr´ıbuzné projekty pro dalˇs´ı jazyky. Jedn´ım z nich je EuroWordNet, kter´ y obsahuje skupinu sémantick´ ych slovn´ık˚ u pro nˇekolik evropsk´ ych jazyk˚ u. Dalˇs´ım projektem je Global WordNet Association, kter´ y navazuje na EuroWordNet a podporuje vytváˇren´ı dalˇs´ıch slovn´ık˚ u pro dalˇs´ı svˇetové jazyky.

3

Vznikaj´ı i nové projekty pro vytváˇren´ı slovn´ık˚ u s dalˇs´ımi jazyky napˇr. BalkaNet.

1.3

Struktura pr´ ace

´ Uvod pr´ ace vˇenuji podrobnému seznámen´ı s elektronickou lexikáln´ı databáz´ı angliˇctiny WordNet. Od zaˇc´ atku jeho v´ yvoje aˇz po souˇcasnou verzi databáze. Rozeb´ırám zp˚ usob uloˇzen´ı slov a vztahy mezi nimy. V dalˇs´ı kapitole analyzuji program JWord 3.0, jehoˇz novˇejˇs´ı verz´ı se tato pr´ ace zab´ yv´ a. Popisuji také jeho v´ yhody a nedostatky. V následuj´ıc´ı kapitole navrhuji zp˚ usob uloˇzen´ı dat slovn´ıku a volbu vhodného programovac´ıho jazyka. V kapitole, vˇenuj´ıc´ı se implementaci, popisuji obˇe ˇcásti programu - programové a grafické uˇzivatelské rozhran´ı. Jsou vysvˇetleny vˇsechny pouˇzitelné funkce pro dalˇs´ı v´ yvoj programového rozhran´ı. Na z´ avˇer pr´ ace uvád´ım zhodnocen´ı dosaˇzen´ ych v´ ysledk˚ u a nab´ız´ım dalˇs´ı moˇznosti pro rozˇs´ıˇren´ı programu.

4

Kapitola 2

Sezn´ amen´ı s datab´ az´ı WordNet 2.1

Lexik´ aln´ı datab´ aze angliˇ ctiny

WordNet [8] je elektronick´ a lexikáln´ı databáze angliˇctiny, kterou vytvoˇrili vˇedci na Princetonské Univerzitˇe podle souˇcasn´ ych teori´ı o lidské lexikáln´ı pamˇeti. Anglická podstatn´ a jména, slovesa a pˇr´ıdavn´ a jména jsou seskupena do synonymických ˇrad. Pˇr´ıslovce jsou organizov´ ana na z´ akladˇe jin´ ych vztah˚ u a ostatn´ı slovn´ı druhy nejsou do slovn´ıku zahrnuty v˚ ubec. Nejsou totiˇz d˚ uleˇzité pro strojové zpracován´ı textu a také mezi nimi neexistuj´ı vhodné sémantické vztahy. Synonymické ˇrady naz´ yv´ ame synsety. Jedná se o s´ıt’ slov, spojen´ ych sémantick´ ymi vztahy. R˚ uzné vztahy vyskytuj´ıc´ı se mezi nimi pak spojuj´ı tyto vzniké synsety.

2.1.1

Vztahy mezi slovy

Kaˇzdá ˇrada synset˚ u zastupuje jeden základn´ı prvek lexikáln´ıho konceptu databáze. Vztahy mezi synsety mohou b´ yt bud’ hyperonymické, pokud spojuj´ı synsety s obecnˇejˇs´ım v´ yznamem, nebo hyponymické pokud spojuj´ı synonymické ˇrady s konkrétnˇejˇs´ım v´ yznamem. WordNet pracuje i s dalˇs´ımi vztahy mezi slovy, které budou rozebrány pozdˇeji (synonyma, antonyma, meronyma).

2.1.2

ˇ Razen´ ı slov

Lexikáln´ı informace nejˇcastˇeji, a pˇredevˇs´ım standardnˇe, ˇrad´ıme podle abecedy. To vˇsak rozm´ıst´ı slova se stejn´ ym nebo podobn´ ym v´ yznamem po celém slovn´ıku. Naneˇstˇest´ı, neexistuje jin´ a alternativa, jak jednoduˇseji slova seˇradit, aby je ˇctenáˇri naˇsli. Abecednˇe ˇrazen´ a slova maj´ı tu nev´ yhodu, ˇze hled´ an´ı v takto seˇrazeném seznamu se stává obt´ıˇzn´ ym a ˇcasovˇe nároˇcn´ ym. Pr´ ace s t´ımto standardn´ım slovn´ıkem mnoho lid´ı rozptyluje, pˇreruˇsuje totiˇz jejich ˇcinnost a stejnˇe tak jejich myˇslenkové pochody. V dobˇe masivn´ıho vyuˇz´ıv´ an´ı poˇc´ıtaˇc˚ u jiˇz exisuje ˇreˇsen´ı tohoto problému. Jeden z d˚ uvod˚ u rozvoje elektronick´ ych slovn´ık˚ u (lexikáln´ıch databáz´ı) je vyhledáván´ı informac´ı pomoc´ı poˇc´ıtaˇc˚ u. Poˇc´ıtaˇce dok´ aˇz´ı vyhled´ avat v abecednˇe ˇrazeném seznamu neporovnatelnˇe rychleji neˇz lidé. V´ ysledek hled´ an´ı ˇcasto program zobraz´ı tak rychle, jak uˇzivatel slovo vybere na obrazovce nebo zad´ a pomoc´ı kl´ avesnice. Od doby, co se vyuˇz´ıvaj´ı poˇc´ıtaˇcové programy jako v´ ykladové slovn´ıky a uˇzivatelé pomoc´ı nich vyhledávaj´ı informace, lze pomˇernˇe jednoduˇse pˇremˇenit tyto slovn´ıky na vhodn´ y druh lexikáln´ı databáze. Pˇremˇenu tradiˇcn´ıch slovn´ık˚ u na elektronické povaˇzujeme za pˇrirozen´ y v´ yvoj.

5

unikátn´ı ˇretˇezce synsety

unikátn´ı ˇretˇezce synsety

WordNet 1.7.1 podstatn´ a jm´ ena slovesa pˇ r´ıdavn´ a jm´ ena 109195 11088 21460 75804 13214 18576

117798 82115

WordNet 3.0 11529 13767

21479 18156

pˇ r´ıslovce 4607 3629

celkem 146350 111223

4481 3621

155287 117659

Tabulka 2.1: Tabulka s poˇctem slov a synset˚ u u verze WordNet 1.7.1 a 3.0 [7] Vyuˇz´ıv´ an´ı elektronick´ ych slovn´ık˚ u nám ukazuje, jak je neefektivn´ı pouˇz´ıvat tyto v´ ykonné stroje pouze k ot´ aˇcen´ı str´ anek. D˚ uleˇzité je pokusit se vyuˇz´ıt jejich v´ ykon. WordNet pˇrich´ az´ı s efektivn´ı kombinac´ı tradiˇcn´ıho v´ ykladového slovn´ıku a modern´ı vysokorychlostn´ı komunikace.

2.2 2.2.1

Historie Psycholexikologie

V roce 1985 se skupina psycholog˚ u a jazykovˇedc˚ u na Princetonské Univerzitˇe ujala v´ yvoje lexikáln´ı datab´ aze. Prvn´ı myˇslenkou bylo poskytnout pomoc pˇri vyhledáván´ı ve slovn´ıku sp´ıˇse v´ yznamovˇe, neˇz jen abecednˇe. Kdyˇz práce pokroˇcila, bylo potˇreba stanovit ctiˇzádostivˇejˇs´ı c´ıle zaloˇzené na vlastn´ıch principech a ˇreˇsen´ıch. WordNet vznikl jako v´ ysledek jejich snaˇzen´ı a zaklád´ a se na psycholingvistick´ ych principech. Poˇcet slov u jednotliv´ ych slovn´ıch druh˚ u v lexikáln´ı databázi Wordnet uvád´ı tabulka 2.1. Tabulka obsahuje pro porovnán´ı dvˇe verze slovn´ıku, starˇs´ı WordNet 1.7.1 a souˇcasnou WordNet 3.0.

2.2.2

Uspoˇ r´ ad´ an´ı slovn´ıku

WordNet rozliˇsuje mezi semantick´ ymi a lexikáln´ımi vztahy. Nejvˇetˇs´ı rozd´ıl mezi WordNetem a standardn´ımi slovn´ıky najdeme v tom, ˇze WordNet dˇel´ı slovn´ık na pˇet ˇcást´ı: podstatn´ a jména, slovesa, pˇr´ıdavn´ a jména, pˇr´ıslovce a funkˇcn´ı slova. Anglická funkˇcn´ı slova uklád´ a oddˇelenˇe jako syntaktickou ˇc´ ast jazyka. Z v´ ysledk˚ u prvn´ıch studi´ı slovn´ıch spojen´ı vyˇslo najevo, ˇze realizace této syntaktické kategorie se liˇs´ı osobn´ım (subjektivn´ım) uspoˇrádán´ım.

2.3

Lexik´ aln´ı matice

Lexikáln´ı sémantika definuje, ˇze slovo je tradiˇcn´ım spojen´ım mezi lexikáln´ım pojet´ım a mluven´ ym projevem, kter´ y hraje syntaktickou roli. Tato definice slova vyvolává nejménˇe tˇri otázky pro vyhléd´ av´ an´ı slov. 1. Které ˇc´ asti mluveného projevu vloˇzit do lexikáln´ıch vztah˚ u? 2. Jak´ a je pˇrirozen´ a a uspoˇr´ adaná forma lexikáln´ıho pojet´ı slova? 6

V´ yznamy slova M1 M2 M3 .. .

Druhy slova F2 F3 . . . E1,2 E2,2 E3,3 .. .

F1 E1,1

Mm

Fn

Em,n

Tabulka 2.2: N´ azorn´ y pˇr´ıklad uspoˇrádán´ı lexikáln´ı matice 3. Které syntaktické vztahy dok´ aˇz´ı vyjádˇrit r˚ uzné hry se slovy? Pˇrestoˇze nem˚ uˇzeme zanedbat ani jednu z tˇechto otázek, v této ˇcásti se v´ yraznˇe zamˇeˇr´ıme na druhou z nich. Budeme se tedy zab´ yvat uspoˇrádán´ım slov anglického slovn´ıku.

2.3.1

Pˇ r´ıklad uspoˇ r´ ad´ an´ı

Tabulka 2.2 nab´ız´ı jednoduch´ y pˇr´ıklad, jak si udˇelat skuteˇcn´ y obrázek o lexikáln´ı matici. V záhlav´ı sloupc˚ u naleznete druh slova. V´ yznamy slova uvád´ı tabulka v ˇrádc´ıch. Záznam v buˇ nce tabulky naznaˇcuje, ˇze druh uveden´ y ve sloupci m˚ uˇze b´ yt pouˇzit (ve vhodné souvislosti) k vyj´ adˇren´ı v´ yznamu na ˇrádku. Napˇr´ıklad E1,1 uvád´ı, ˇze druh slova F1 m˚ uˇze b´ yt vyuˇzit k vyj´ adˇren´ı v´ yznamu M1 . Pokud tabulka obsahuje dva nebo v´ıce záznam˚ u ve stejném sloupci, m´ a slovo v´ıce v´ yznam˚ u. Pokud jsou dva nebo v´ıce záznam˚ u na stejném ˇrádku jedn´ a se o synonyma (v z´ avislosti na v´ yznamu).

2.3.2

Vztah mezi druhy a v´ yznamy slov

Zobrazen´ı mezi druhy a v´ yznamy slov je ”many:many” - nˇekteré druhy slov maj´ı nˇekolik v´ yznam˚ u a nˇekteré v´ yznamy popisuje nˇekolik slov. Dva sloˇzité problémy lexikografie, slova s v´ıce v´ yznamy a synonymiˇcnost, uvád´ıme jako doplˇ nkové hledisko toho zobrazen´ı. Synonymiˇcnost a v´ıcev´ yznamovost jsou problémy, které nastávaj´ı i pˇri bˇeˇzné komunikaci: • posluchaˇc nebo ˇcten´ aˇr, kter´ y pˇreˇcte (uslyˇs´ı) slovo, si mus´ı správnˇe vybrat mezi jeho v´ıce v´ yznamy • ˇreˇcn´ık nebo spisovatel, kter´ y popisuje v´ yznam slova, se mus´ı rozhodnout, jaké slovo pro dan´ y v´ yznam pouˇzije

2.4

Vztahy mezi slovy

V lexik´ aln´ım slovn´ıku WordNet existuj´ı r˚ uzné vztahy mezi druhy slov a mezi v´ yznamy slov. Patˇr´ı mezi nˇe: a) Synonyma b) Antonyma c) Hyponyma a hypernyma

7

d) Meronyma a holonyma Uk´ azku tˇechto vztah˚ u mezi slovy m˚ uˇzete vidˇet na obrázku 2.1.

Obr´ azek 2.1: Ukázka moˇzn´ ych vztah˚ u mezi slovy

2.4.1

Synonyma

Nejd˚ uleˇzitˇejˇs´ımi vztahy pro WordNet jsou podobnosti ve v´ yznamu slov. Podle jedné z definic (obvykle pˇripisov´ ana Leibnizovi [11]) jsou dva v´ yrazy synonymn´ı, jestliˇze nahrazen´ım jednoho z nich za druh´ y nen´ı nikdy zmˇenˇen skuteˇcn´ y v´ yznam vˇety, v které byla zámˇena provedena. Podle této definice, pokud v˚ ubec existuj´ı, jsou skuteˇcná synonyma vzácná. Jednoduˇsˇs´ı verze této definice dˇel´ a synonymiˇcnost relativnˇejˇs´ı k souvislostem: dva výrazy jsou synonymn´ı v lingvistickém kontextu C, jestliˇze n´ ahrada jednoho výrazu za druhý v C nezmˇen´ı skuteˇcný význam.

2.4.2

Antonyma

Dalˇs´ım druhem vztah˚ u jsou slova s opaˇcn´ ym v´ yznamem (antonyma). Tyto slova pˇrekvapivˇe tˇeˇzko definujeme. Antonymum od slova x je ˇcasto slovo záporné k x, ale nemus´ı tomu tak b´ yti vˇzdy. Napˇr´ıklad bohatý a chudý jsou antonyma. Ale pokud ˇrekneme, ˇze nˇekdo nen´ı bohat´ y neznamen´ a to, ˇze mus´ı b´ yt chud´ y. Mnoho lid´ı se nec´ıt´ı b´ yti bohat´ ymi, ale ani chud´ ymi. Slova s opaˇcn´ ym v´ yznamem maj´ı lexikáln´ı vztah mezi druhy slov, nemaj´ı sémantick´ y vztah mezi v´ yznamy slov. Antonyma poskytuj´ı ve WordNetu základn´ı uspoˇrádán´ı pro pˇr´ıdavn´ a jména a pˇr´ıslovce.

8

2.4.3

Hyponyma a hypernyma

Na rozd´ıl od synonym a antonym, která maj´ı lexikáln´ı vztahy mezi druhy slov, hyponyma a hypernyma jsou zaloˇzena na sémantick´ ych vztaz´ıch mezi v´ yznamy slov. Napˇr´ıklad javor je hyponymum pro strom, a strom je hyponymum pro rostlinu. Naopak rostlina je hypernymum pro strom, a strom je hypernymum pro javor. Hyponimické a hypernymické vztahy mohou b´ yt také oznaˇcovány jako podˇrazenost a nadˇrazenost nebo podmnoˇzina a nadmnoˇzina. Na základˇe tˇechto vztah˚ u jsou ve WordNetu uspoˇrád´ ana podstatn´ a jména.

2.4.4

Meronyma a holonyma

Jedná se o sémantick´ y vztah vyjadˇruj´ıc´ı vztahy mezi ˇcást´ı a celkem. Meronymum vyjadˇruje ˇcást celku. Naopak holonymum je spojen´ım celku s jeho ˇcástmi. Napˇr´ıklad modr´ a je meronymem k barva, obliˇcej je holonymem pro nos. Ve WordNetu meronyma popisujeme vloˇzen´ ymi skupinami slov nebo ukazateli (oznaˇceny arcs) z jednoho synsetu na druh´ y.

2.5

Dalˇ s´ı projekty

Ze zásad anglického lexik´ aln´ıho slovn´ıku WordNet vycházej´ı i pˇr´ıbuzné projekty pro dalˇs´ı jazyky. Nejvˇetˇs´ı u ´spˇech slav´ı zejména dva z nich: a) EuroWordNet [3] b) Global WordNet Association [1]

2.5.1

EuroWordNet

Jedná se o skupinu sémantick´ ych slovn´ık˚ u pro nˇekolik evropsk´ ych jazyk˚ u. Do této skupiny patˇr´ı holandˇstina, italˇstina, ˇspanˇelˇstina, nˇemˇcina, francouzˇstina, ˇceˇstina a estonˇstina. Slovn´ıky jsou organizov´ any podobnˇe jako WordNet. Nav´ıc obsahuj´ı vztahy mezi jednotliv´ ymi jazyky. Shodné synsety jsou propojeny mezi jednotliv´ ymi slovn´ıky, proto lze slovo porovnat s v´ yrazy v dalˇs´ıch jazyc´ıch.

2.5.2

Global WordNet Association

Tato veˇrejn´ a asociace tˇeˇz´ı ze z´ aklad˚ u projekt˚ u Princeton WordNet a EuroWordNet. Organizace podporuje vytv´ aˇren´ı slovn´ık˚ u pro dalˇs´ı jazyky a poskytuje jim potˇrebné informace a v´ yvojové prostˇredky.

9

Kapitola 3

Anal´ yza 3.1

Program JWord 3.0

Program JWord [9], jehoˇz inovac´ı se tato bakaláˇrská práce zab´ yvá, slouˇz´ı jako rozhran´ı pro databázi WordNet. Program byl vyvinut na univerzitˇe George Washingtona a nacház´ı se ve verzi 3.0. Autorem programu je student Kunal Johar, kter´ y tento program vytváˇrel pod veden´ım profesora Rahula Simhy na katedˇre informatiky. Autoˇri programu na svém webu vˇsak pˇrizn´ avaj´ı, ˇze program m´ a nedokonalé grafické uˇzivatelské rozhran´ı. T´ım také dali podnˇet ke vzniku této bakal´ aˇrské práce.

3.2

Sezn´ amen´ı s programem JWord 3.0

Program JWord 3.0 byl naps´ an v jazyce Java. Data pro svou ˇcinnost z´ıskává ze soubor˚ u. Jeho grafické prostˇred´ı vyuˇz´ıv´ a knihovnu Javy AWT a v´ ysledky hledán´ı zobrazuje program v grafické komponentˇe JTree. Obsahuje v sobˇe nˇekolik slovn´ık˚ u: • WordNet • Rodget’s Thesaurus • Rodget’s Thesaurus using WordNet Lemma • Root Book Uˇzivatel si m˚ uˇze nastavit, v kter´ ych slovn´ıc´ıch bude vyhledávat. Uˇzivatel aplikace v programu nalezne pouze následuj´ıc´ı informace: • WordNet - v´ yznamy slova, synonyma • Rodget’s Thesaurus - synonyma a jejich definice • Rodget’s Thesaurus using WordNet Lemma • Root Book

10

3.2.1

WordNet

Program pˇri vypisov´ an´ı v´ yznam˚ u zadaného slova, rozdˇel´ı nalezené informace podle slovn´ıho druhu (podstatn´ a jména, slovesa, pˇr´ıdavná jména, pˇr´ıslovce). U kaˇzdého slovn´ıho druhu vyp´ıˇse jeho v´ yznam a pokud existuje i pˇr´ıklad pouˇzit´ı. Dalˇs´ım rozkliknut´ım vˇetve stromu z´ıskáme i synonymum k tomuto pˇr´ıpadu pouˇzit´ı zadaného slova.

3.2.2

Rotget’s Thezaurus

Rotget’s Thezaurus také rozdˇeluje v´ ysledky podle slovn´ıho druhu. Vypisuje synonyma a k nim po rozkliknut´ı i definice.

3.2.3

Root Book

Tato ˇc´ ast programu nen´ı funkˇcn´ı.

3.3

Funkˇ cnost programu JWord 3.0

Uˇzivatelské rozhran´ı programu JWord 3.0. má mnoho nedostatk˚ u, které ho dˇelaj´ı takˇrka nepouˇziteln´ ym. Program je obt´ıˇznˇe ovladateln´ y jelikoˇz v´ yznamy slov se pˇrepisuj´ı a nelze tedy zad´ avat v´ıce slov po sobˇe. S´ am uˇzivatel m˚ uˇze i informace, které zobrazuje komponenta JTree, pˇrepisovat. Program se tak stává velmi nepˇrehledn´ ym. Na obrázku 3.1 m˚ uˇzete vidˇet ukázku uˇzivatelského rozhran´ı.

Obr´ azek 3.1: JWord 3.0 a jeho uˇzivatelské rozhran´ı

11

Kapitola 4

N´ avrh implementace 4.1

Moˇ znosti uloˇ zen´ı dat

Pro program JWord pˇrich´ azely v u ´vahu dvˇe moˇznosti uloˇzen´ı dat pro slovn´ık WordNet: a) data uloˇzen´ a v souborech b) data uloˇzen´ a v datab´ azi Oba zp˚ usoby uloˇzen´ı dat maj´ı své v´ yhody i nev´ yhody. Vystihovat by je mˇely následuj´ıc´ı odstavce.

4.1.1

Data uloˇ zen´ a v souborech

Tohoto zp˚ usobu vyuˇz´ıv´ a program JWord 3.0. Data pro slovn´ık WordNet jsou uloˇzena v nˇekolika souborech. Kaˇzd´ y slovn´ı druh popisuje nˇekolik soubor˚ u. Prvn´ı soubor (nazvan´ y zkratkou slovn´ıho druhu s pˇr´ıponou idx) obsahuje abecedn´ı seznam slov. Na ˇrádku za slovem se nach´ az´ı nˇekolik znaˇcek vˇcetnˇe ˇc´ısla synsetu. Pomoc´ı tohoto ˇc´ısla lze v dalˇs´ım souboru (pˇr´ıpona dat) naleznout synsety hledaného slova i jejich definice a pˇr´ıklady pouˇzit´ı. Pomoc´ı dalˇs´ıch operac´ı se znaˇckami uveden´ ymi u hledaného slova v souboru m˚ uˇzeme nalézt i dalˇs´ı informace. Mezi tyto informace patˇr´ı napˇr´ıklad synonyma, antonyma, hypernyma a hyponyma zvoleného slova. Po zadán´ı slova potˇrebujeme tedy proj´ıt soubory vˇsech slovn´ıch druh˚ u a pokusit se naj´ıt ˇc´ıslo jeho synsetu. Pokud m˚ uˇze slovo nab´ yvat v´ yznamu v´ıce slovn´ıch druh˚ u, pak mus´ıme i synsety hledat ve v´ıce souborech. Samotné vyhled´ av´ an´ı v souboru lze realizovat nˇekolika zp˚ usoby. Prosté sekvenˇcn´ı vyhled´ av´ an´ı nen´ı pˇr´ıliˇs vhodné pro svou ˇcasovou nároˇcnost. Pˇri pouˇzit´ı vyhledávac´ıho algoritmu lze dos´ ahnout lepˇs´ıch v´ ysledk˚ u. Jelikoˇz jsou data v souborech seˇrazena, m˚ uˇzeme vyuˇz´ıt napˇr´ıklad bin´ arn´ıho vyhled´ av´ an´ı. Bin´ arn´ı vyhled´ av´ an´ı Tento algoritmus najde medi´ an (hodnotu, jeˇz dˇel´ı ˇradu podle velikosti seˇrazen´ ych v´ ysledk˚ u na dvˇe stejnˇe poˇcetné poloviny), porovná ho s hledanou hodnotou a podle v´ ysledku hled´ an´ı pokraˇcuje bud’ v horn´ı nebo doln´ı polovinˇe souboru. Tento algoritmus pokraˇcuje rekurzivnˇe od zaˇc´ atku dokud nen´ı nalezena hledaná hodnota nebo jiˇz nen´ı co p˚ ulit (hodnota se v souboru nevyskytuje). Sloˇzitost bin´ arn´ıho vyhledáván´ı je v nejhorˇs´ım pˇr´ıpadˇe logaritmická.

12

hledan´ e slovo ”make” ”game”

typ vyhled´ av´ an´ı sekvenˇ cn´ı vyhled´ av´ an´ı bin´ arn´ı vyhled´ av´ an´ı 13 sec 3 sec 9 sec 1 sec

Tabulka 4.1: Tabulka s porovnán´ım sekvenˇcn´ıho a binárn´ıho vyhledáván´ı • Algoritmus pro bin´ arn´ı vyhledáván´ı (pro názornost v jazyce python) def binarySearch(seznam, hodnota, vlevo, vpravo): while vlevo <= vpravo: stred = (vpravo + vlevo) / 2 if seznam[stˇ red] == hodnota: return True if hodnota < seznam[stˇ red]: vpravo = stˇ red - 1 else: vlevo = stˇ red + 1 return False

V tabulce 4.1 lze vidˇet pˇribliˇznou dobu, za kterou algoritmus nalezne v´ yznam slova, jeho synonyma, hypernyma a hyponyma. Z tohoto hrubého porovnán´ı vypl´ yvá u ´spornost ˇ zahrnuje pouze vyhledán´ı v souborech pro jeden slovn´ı druh, binárn´ıho vyhled´ av´ an´ı. Cas v tomto pˇr´ıpadˇe jde o u ´daje o slovesu make a podstatném jménu game.

4.1.2

Data uloˇ zen´ a v datab´ azi

V´ yhodou pro data uloˇzen´ a v databázi je jejich dostupnost pomoc´ı SQL dotaz˚ u. Existuje nˇekolik datab´ az´ı lexik´ aln´ıho slovn´ıku WordNet. Pro m˚ uj program jsem si vybral datab´ azi MySQL WordNet 3.0. [2]. Tato databáze se skládá z nˇekolika tabulek. Pro náˇs program jsou uˇziteˇcné zejména tabulky word, sense, synset, semlinkref, sample: • word - tabulka m´ a dva sloupce wordid a lemma. Sloupec lemma obsahuje seznam slov datab´ aze WordNet a ve sloupci wordid lze naj´ıt jejich identifikaˇcn´ı ˇc´ıslo. Datab´ aze pracuje jen s tˇemito ˇc´ısly, proto potˇrebujeme pro z´ıskán´ı id slova vˇzdy pouˇz´ıt tabulku word. • sense - tabulku tvoˇr´ı ˇsest sloupc˚ u, nejd˚ uleˇzitˇejˇs´ı jsou dva z nich. Sloupce wordid a synsetid tvoˇr´ı propojen´ı mezi slovy a jejich synsety. Tuto tabulku lze vyuˇz´ıt pˇri hled´ an´ı id slov od zadaného synsetu, ale i naopak pokud hledáme synsety od zadaného id slova. • synset - tabulka se skl´ ad´ a ze ˇctyˇr sloupc˚ u, za d˚ uleˇzité povaˇzuji tˇri. Sloupec synsetid urˇcuje ˇc´ıslo synsetu, pro které lze v tabulce zobrazit jeho v´ yznam (sloupec definition) a také jeho slovn´ı druh (sloupec pos). Slovn´ı druh je urˇcen zkratkami (n - podstatné jméno, v - sloveso, a - pˇr´ıdavné jméno, r,s - pˇr´ıslovce). • semlinkref - tabulka obsahuje tˇri sloupce a urˇcuje vztah mezi synsety (sloupce synset1id, synset2id, linkid). 13

• sample - tabulka, kter´ a ke kaˇzdému synsetu (sloupec synsetid) pˇriˇrazuje pˇr´ıklad pouˇzit´ı daného slova (sloupec sample). Dokumentace k datab´ azi MySQL WordNet 3.0 obsahuje i nˇekolik hotov´ ych SQL dotaz˚ u. Tyto dotazy lze pouˇz´ıt napˇr´ıklad pro z´ıskán´ı synonym, antonym, hypernym a hyponym. Podstanou ˇc´ ast schéma datab´ aze m˚ uˇzeme vidˇet na obrázku 4.1. Celé schéma datab´ aze MySQL WordNet 3.0 naleznete na konci práce v sekci pˇr´ılohy na obrázku A.1.

ˇ asteˇcné chéma databáze MySQL WordNet 3.0 pˇrevzato z [2] Obr´ azek 4.1: C´

4.2

Porovn´ an´ı rychlosti pˇ r´ıstupu k dat˚ um

Dokud program nemusel hledat v souborech mnoho informac´ı (vyhledal napˇr´ıklad jen v´ yznamy slova), bylo vyhled´ av´ an´ı v souborech uspokojivé. Pˇri navyˇsuj´ıc´ıch se poˇzadavc´ıch 14

na program (hled´ an´ı synonym, antonym, hypernym, hyponym a pˇr´ıklad˚ u pouˇzit´ı) nen´ı jiˇz vyhled´ av´ an´ı v souborech dostaˇcuj´ıc´ı. Pro naˇse u ´ˇcely se nab´ız´ı vyuˇzit´ı nˇekteré z databaz´ı WordNetu. V´ ysledky pouˇzit´ı databáze byly na tolik pˇr´ıvˇetivé, ˇze pozitiva pˇrev´ yˇsila veˇsker´ a negativa, kter´ a toto ˇreˇsen´ı pˇrin´ aˇs´ı.

4.3

Implementaˇ cn´ı jazyk

Pro implementaci v´ ysledného programu byla navrˇzena metodologie objektovˇe orientovaného programov´ an´ı. Konkrétnˇe byly doporuˇceny dva programovac´ı jazyky: a) programovac´ı jazyk Java b) rozhran´ı .NET

4.3.1

Programovac´ı jazyk Java

Programovac´ı jazyk Java [6] proˇsel od svého vzniku neuvˇeˇriteln´ ym rozvojem. Z hlediska naˇs´ı aplikace m´ a Java ˇradu v´ yhod. Do v´ yhod Javy ˇrad´ıme moˇznost vyuˇz´ıt knihovnu Swing pro grafické uˇzivatelské prostˇred´ı nebo podporu Javy pro pˇripojen´ı do databáze. Komunikaci s databaz´ı MySQL zajiˇstt’uje knihovna mysql connector. Nejvˇetˇs´ı v´ yhodou Javy je vˇsak jej´ı pˇrenositelnost mezi r˚ uzn´ ymi platformami. Mezi jednu z nev´ yhod Javy patˇr´ı jej´ı vˇetˇs´ı pamˇet’ová nároˇcnost, která se projevuje hlavnˇe u menˇs´ıch program˚ u. Do nev´ yhod m˚ uˇzeme zaˇradit pomalejˇs´ı start aplikace zp˚ usoben´ y t´ım, ˇze prostˇred´ı mus´ı program nejprve pˇreloˇzit a poté spustit. D˚ uleˇzitou souˇc´ asti volby programovac´ıho jazyka je i volba v´ yvojového prostˇred´ı. NetBeans 6.0 poskytuje naprost´ y komfort jak pro programován´ı tak i pro navrˇzen´ı uˇzivatelského rozhran´ı.

4.3.2

Rozhran´ı .NET

Programovac´ı jazyk .NET je zaloˇzen na .NET Framework, kter´ y zajiˇst’uje pˇreklad a bˇeh .NET program˚ u. Do v´ yhod jazyka .NET patˇr´ı rychlost programu. Rozhran´ı .NET program nezkompiluje pˇr´ımo do strojového kódu, ale do mezikódu. Do strojového kódu se program zkompiluje aˇz pˇri spuˇstˇen´ı na konrétn´ım poˇc´ıtaˇci. V´ yhodou je tedy optimalizace pro konkrétn´ı procesor. Kompilace prob´ıhá na konkrétn´ım poˇc´ıtaˇci pouze jednou, protoˇze zkompilovan´ y program se uloˇz´ı a pˇri kaˇzdém dalˇs´ım pouˇzit´ı se program pouze spust´ı. Prvn´ı spuˇstˇen´ı programu m˚ uˇze trvat nˇekolik sekund, ale kaˇzdé dalˇs´ı spuˇstˇen´ı m˚ uˇze b´ yt uˇz velmi rychlé. Mezi nev´ yhody jazyka .NET ˇrad´ıme jeho orientaci na operaˇcn´ı systém Windows a tedy jeho obt´ıˇznou pˇrenositelnost.

4.4

Vyhodnocen´ı n´ avrhu implementace

V´ yhodou vyuˇzit´ı soubor˚ u pro uloˇzen´ı dat pro slovn´ık WordNet je samostatnost programu bez nutnosti pˇripojovat se k databázi. Nev´ yhodou pomalejˇs´ı vyhledáván´ı, vˇetˇs´ı velikost v´ ysledného programu. Aktualizace programu je u obou zp˚ usob˚ u uloˇzen´ı dat pˇribliˇznˇe stejnˇe obt´ıˇzná. Pro svou pr´ aci jsem se rozhodl pˇrej´ıt od vyhledáván´ı dat v souborech k vyuˇzit´ı databáze. To ovˇsem znamenalo naj´ıt vhodnou databázi pro uloˇzen´ı dat slovn´ıku WordNet

15

a vytvoˇrit u ´plnˇe nové programové rozhran´ı pro komunikaci s touto databáz´ı. Odmˇenou za tuto snahu by mˇel b´ yt rychlejˇs´ı a pˇrehlednˇejˇs´ı program. Za implementaˇcn´ı jazyk byla vybrána Java. Tomuto rozhodnut´ı pˇredcházelo zváˇzen´ı vˇsech v´ yhod a nev´ yhod navrˇzen´ ych programovac´ıch jazyk˚ u. Java obsahuje mnoˇzstv´ı vyuˇziteln´ ych knihoven a je pˇrenositeln´ a mezi platformami. D˚ uleˇzitou roli pˇri rozhodován´ı sehrál i fakt, ˇze p˚ uvodn´ı program JWord 3.0 byl také napsán v programovac´ım jazyce Java.

16

Kapitola 5

Imlplementace V´ ysledn´ y program se skl´ ad´ a ze dvou oddˇelen´ ych ˇcást´ı: a) programové rozhran´ı - funkce pro komunikaci a vyhledáván´ı v databázi vyuˇz´ıvaj´ı metody, které v´ ysledn´ a data zpracuj´ı. b) grafické uˇzivatelské rozhran´ı - poskytuje nadstavbu nad programov´ ym rozhran´ım. Graficky zobrazuje data uˇzivateli.

5.1

Programov´ e rozhran´ı

Z návrhu implementace vyˇslo najevo, ˇze pro uchován´ı dat lexikáln´ıho slovn´ıku bude nejlepˇs´ı vyuˇz´ıt datab´ azi. Pro program JWord jsem vytvoˇril vlastn´ı knihovnu, která zajiˇst’uje komunikaci s datab´ az´ı. Zahrnuje funkce pro pˇripojen´ı k databázi a funkce, které vykonávaj´ı SQL dotazy. Tato knihovna také provad´ı veˇskeré potˇrebné operace se z´ıskan´ ymi daty a grafickému rozhran´ı pˇred´ av´ a vˇzdy pouze informace, které budou zobrazeny uˇzivateli. Pro program JWord pˇrich´ azelo v u ´vahu nˇekolik druh˚ u databáze WordNet. Jako nejvhodnˇejˇs´ı byla vybr´ ana datab´ aze MySQL WordNet 3.0. [2] a to d´ıky snadné instalaci i aktualizaci a své licenci. Tato databáze je pˇr´ıstupná ze s´ıtˇe FIT a nacház´ı se na serveru minerva2. Knihovnu pro programové rozhran´ı tvoˇr´ı tˇri provázané skupiny funkc´ı. Funkce pro komunikaci s datab´ az´ı vyuˇz´ıvaj´ı metody, které v databázi vyhledávaj´ı. Data tˇechto funkc´ı vyuˇz´ıvaj´ı metody pro zpracov´ an´ı dat. a) funkce pro komunikaci s databáz´ı b) funkce pro vyhled´ av´ an´ı dat v databázi c) funkce pro zpracov´ an´ı dat

5.1.1

Funkce pro komunikaci s datab´ az´ı

N´ıˇze uveden´ y seznam funkc´ı vyuˇz´ıvá knihovna pro programové rozhran´ı k pˇripojen´ı do databáze a pro prov´ adˇen´ı dotaz˚ u v databázi.

17

seznam prototyp˚ u funkc´ı pro komunikaci s datab´ az´ı • public static Statement Connect(String server) - metoda, která zajiˇst’uje pˇripojen´ı do datab´ aze • public static ResultSet MakeQuery(Statement mystmt, String query) - metoda, kter´ a vykon´ a datab´ azov´ y pˇr´ıkaz

5.1.2

Funkce pro vyhled´ av´ an´ı dat v datab´ azi

Základn´ım stavebn´ım kamenem knihovny pro programové rozhran´ı jsou funkce, které implementuj´ı SQL dotazy pro databázi. Vˇsechny vyuˇz´ıvaj´ı pˇripojen´ı do databáze, následnˇe vykonaj´ı sv˚ uj dotaz. Z´ıskan´ a data jsou uloˇzena do kolekc´ı [4]. V pˇr´ıpadˇe jednoduˇsˇs´ıch metod jsou z´ıskané informace vr´ aceny v ˇretˇezci.

seznam prototyp˚ u funkc´ı pro vyhled´ av´ an´ı dat v datab´ azi • public static String FindLemma(String wordid) - metoda, která najde slovo podle zadaného id • public static String FindWordId(String word) - metoda, která najde id slova hledaného slova • public static String FindSynsetId(String wordid) - metoda, která najde id synnsetu podle zadaného id hledaného slova • public static List FindSynonyms(List synsets) - metoda, která najde vˇsechny id synonym od zadané kolekce synset˚ u • public static List FindSynsets(String wordid) - metoda, která najde id vˇsech synset˚ u od zadaného slova • public static List FindSynonymsIdFromSynsets(String synsetid) - metoda, která najde id vˇsech synonym k zadanému id synsetu • public static List FindSynonymsFromSynsets(String synsetid, String word) - metoda, kter´ a najde vˇsechna synonyma k zadanému id synsetu • public static List FindSense(List synsets) - metoda, která najde v´ yznamy k zadan´ ym id synset˚ u Vˇsechny tyto funkce slouˇz´ı pouze k z´ıskáván´ı dat. Implementuj´ı tedy SQL dotazy pro databázi MySQL WordNet 3.0. Z´ıskané informace vyuˇz´ıvaj´ı funkce pro zpracován´ı dat.

5.1.3

Funkce pro zpracov´ an´ı dat

Soubor tˇechto funkc´ı vyuˇz´ıv´ a metod, pro vyhledáván´ı v databázi. Data, která od tˇechto metod z´ısk´ avaj´ı, d´ ale zpracov´ avaj´ı do podoby vhodné pro grafické uˇzivatelské rozhran´ı.

18

seznam prototyp˚ u funkc´ı pro zpracov´ an´ı dat • public static List GetSense(String word) - metoda, která najde vˇsechny v´ yznamy od zadaného slova • public static List GetSynonyms(String word) - metoda, která najde synonyma od zadené kolekce synset˚ u • public static List GetAntonyms(String word) - metoda, která najde antonyma od zadaného slova • public static List GetTypes(String word) - metoda, která najde hyponyma od zadeného slova • public static List GetTypeOf(String word) - metoda, která najde hypernyma od zadeného slova • public static List GetWordClass(List Col, char wc) - metoda, která vybere z kolekce zadan´ y slovn´ı druh

Ze vˇsech uveden´ ych funkc´ı, jsou nejzaj´ımavˇejˇs´ı funkce pro zpracován´ı dat. Tyto metody m˚ uˇze bezpeˇcnˇe pouˇz´ıt kdokoliv bez znalosti databáze MySQL WordNet 3.0.

5.1.4

Implementace SQL dotaz˚ u

Jednotlivé funkce programového rozhran´ı implementuj´ı i SQL dotazy pro vyhledáván´ı v databázi MySQL WordNet 3.0. SQL dotazy vyuˇ zit´ e z dokumentace MySQL WordNet 3.0 Tyto SQL dotazy jsou souˇc´ ast´ı dokumentace k databázi MySQL WordNet 3.0. Uvád´ım nejdˇr´ıve dotazy pro vyhled´ an´ı hypernym a hyponym s pˇr´ıkladem pro slovo horse: • hypernyma (slova s obecnˇejˇs´ım v´ yznamem) select se1.rank,w2.lemma from word w1 left join sense se1 on w1.wordid = se1.wordid left join synset sy1 on se1.synsetid = sy1.synsetid left join semlinkref on sy1.synsetid = semlinkref.synset1id left join synset sy2 on semlinkref.synset2id = sy2.synsetid left join sense se2 on sy2.synsetid = se2.synsetid left join word w2 on se2.wordid = w2.wordid where w1.lemma = ’horse’ and sy1.pos = ’n’ and semlinkref.linkid = 1 order by se1.rank asc;

• hyponyma (slova s konkrétnˇejˇs´ım v´ yznamem) 19

select se1.rank,w2.lemma from word w1 left join sense se1 on w1.wordid = se1.wordid left join synset sy1 on se1.synsetid = sy1.synsetid left join semlinkref on sy1.synsetid = semlinkref.synset1id left join synset sy2 on semlinkref.synset2id = sy2.synsetid left join sense se2 on sy2.synsetid = se2.synsetid left join word w2 on se2.wordid = w2.wordid where w1.lemma = ’horse’ and sy1.pos = ’n’ and semlinkref.linkid = 2 order by se1.rank asc;

Dále byl implementov´ an SQL dotaz pro vyhledán´ı synonym, zde je uveden s pˇr´ıkladem pro slovo house: • synonyma (slova se stejn´ ym v´ yznamem) select synsetid, w2.lemma from sense left join word as w2 on w2.wordid=sense.wordid where sense.synsetid in ( select sense.synsetid from word as w1 left join sense on w1.wordid=sense.wordid where w1.lemma=’house’ ) and w2.lemma<>’house’;

Proveden´ı tohoto dotazu trvalo v databázi ne´ unosnˇe dlouhou dobu, proto musel b´ yt nahrazen nˇekolika jednoduˇsˇs´ımi SQL dotazy. Tyto jednoduˇsˇs´ı SQL dotazy se vˇsak mus´ı opakovat v´ıcekrát pomoc´ı cyklu a jsou uvedeny v sekci SQL dotaz˚ u, které jiˇz nejsou souˇcást´ı dokumentace k datab´ azi MySQL 3.0. Posledn´ım pouˇzit´ ym SQL dotazem, je dotaz pro vyhledán´ı antonym, zde je uveden pˇr´ıklad pro slovo black: • antonyma (slova s opaˇcn´ ym v´ yznamem) select se1.rank, w2.lemma, sy1.definition, sy2.definition from word w1 left join sense se1 on w1.wordid = se1.wordid left join synset sy1 on se1.synsetid = sy1.synsetid left join lexlinkref on sy1.synsetid = lexlinkref.synset1id and w1.wordid = lexlinkref.word1id left join synset sy2 on lexlinkref.synset2id = sy2.synsetid left join sense se2 on sy2.synsetid = se2.synsetid left join word w2 on se2.wordid = w2.wordid where w1.lemma = ’black’ and sy1.pos = ’a’ 20

and lexlinkref.linkid =30 order by se1.rank asc;

Vlastn´ı SQL dotazy pro MySQL WordNet 3.0 Následuj´ıc´ı dotazy jiˇz nejsou souˇcást´ı dokumentace k databázi MySQL WordNet 3.0. Dotaz pro z´ısk´ an´ı slova po zadán´ı jeho id. Pro názornost uvedeno slovo make, které m´ a v datab´ azi identifikaˇcn´ı ˇc´ıslo 80925. • nalezen´ı slova podle id SELECT lemma FROM word WHERE wordid = ’80925’;

Opaˇcn´ ym dotazem z´ısk´ ame id slova. Pro názornost uvedeno opˇet slovo make. • z´ısk´ an´ı id podle zadaného slova SELECT wordid FROM word WHERE lemma = ’make’;

Dalˇs´ım dotazem, je dotaz pro nalezen´ı synonym. Tento dotaz se skládá ze dvou ˇcást´ı. Pro z´ısk´ an´ı synonym hledaného slova potˇrebujeme nejprve zjistit identifikaˇcn´ı ˇc´ısla vˇsech jeho synset˚ u. Prov´ adˇen´ı toho dotazu zajiˇst’uje cyklus, kter´ y se opakuje dokud nezjist´ıme id vˇsech synset˚ u. Uvad´ım pˇr´ıklad pro slovo make. Jeho id uˇz známe - 80925. • a) synonyma - vyhled´ an´ı synset˚ u SELECT synsetid FROM sense WHERE wordid = ’80925’;

Po obdrˇzen´ı informac´ı o id synset˚ u lze z´ıskat id synonym hledaného slova. Tento dotaz je prov´ adˇen opˇet v cyklu, dokud nejsou nalezena vˇsechna synonyma od hledaného slova. Za promˇenou synsets jsou postupnˇe dosazovány ˇc´ısla vˇsech synset˚ u. Jako v´ ysledek z´ıskáme id vˇsech synonym hledaného slova. • b) synonyma - vyhled´ an´ı id synonym SELECT wordid FROM sense WHERE synsetid = ’synsets’;

Kdyˇz zn´ ame id synonym m˚ uˇzeme jiˇz snadno zjistit slova samotná. Následuj´ıc´ı dotaz vyhled´ a v databázi v´ yznam slova, tedy jeho definici. Hodnota pro jeden ze synset˚ u naˇseho pˇr´ıkladu (slova make) je 100340463. • vyhled´ an´ı definice slova SELECT definition FROM synset WHERE synsetid = ’100340463’;

21

Podobn´ ym dotazem obdrˇz´ıme i pˇr´ıklad pouˇzit´ı ve vˇetˇe. Opˇet staˇc´ı zadat hodnotu pro synset jehoˇz pˇr´ıklad hled´ ame. • vyhled´ an´ı pˇr´ıkladu slova SELECT sample FROM sample WHERE synsetid =

’100340463’;

Vˇsechny uvedené SQL dotazy implementuj´ı funkce knihovny pro programové rozhran´ı. Slouˇz´ı sp´ıˇse jako demonstrace struktury databáze WordNet MySQL 3.0.

5.2

Grafick´ e uˇ zivatelsk´ e rozhrann´ı

Grafické rozhran´ı umoˇzn ˇuje uˇzivateli programu jednoduˇse a intuitivnˇe ovládat program. Tvoˇr´ı nadstavbu nad knihovnou pro programové rozhran´ı a vyuˇz´ıvá jej´ı funkce na z´ısk´ an´ı potˇrebn´ ych dat. Tato data zobrazuje uˇzivateli pomoc´ı grafick´ ych komponent. V programovac´ım jazyku Java je moˇzné vyuˇz´ıt dvou grafick´ ych uˇzivatelsk´ ych prostˇred´ı ’ [5]. Bud to starˇs´ıho AWT (Abstract Windowing Toolkit) nebo novˇejˇs´ıho JFC Swing (Java Foundation Classes) AWT je souˇcást´ı jazyka Java od JDK 1.0, Swing od JDK 1.2. Pro program JWord jsem se rozhodl vyuˇz´ıt modernˇejˇs´ıho prostˇred´ı Swing.

5.2.1

Prostˇ red´ı Swing

Pro tvorbu grafického uˇzivatelského rozhrán´ı bylo vyuˇzito nˇekolika komponent JFC Swing. Na základn´ım oknˇe (JFrame) jsou postupnˇe vyuˇzity tyto komponenty:

seznam vyuˇ zit´ ych komponent prostˇ red´ı Swing • JTree • JTabbedPane • JComboBox • JTextField • JButton • JLabbel Hledané slovo se zad´ av´ a do komponenty JTextField. Jeho vyhledán´ı zajiˇst’uje stisknut´ı tlaˇc´ıtka (komponenta JButton). Nejd˚ uleˇzitˇejˇs´ım prvkem celého GUI jsou v´ yznamy hledaného slova, které zobrazuje komponenta JTree. Uspoˇrádán´ı do stromu dostalo pˇrednost pˇred vypisov´ an´ım do obyˇcejné JTextArea d´ıky své pˇrehlednosti a snaˇzˇs´ı manipulaci s daty. Pro zn´ azornˇen´ı pˇr´ıbuzn´ ych slov (synonym, antonym, hyponym a hypernym) pouˇz´ıvá program JWord komponenty JTabbedPane. Uˇzvatel tak m˚ uˇze pohodlnˇe prohl´ıˇzet jednotlivé typy slov. Pro uchov´ an´ı historie hledan´ ych slov a pˇripojen´ı do databáze je v novém GUI programu JWord vyuˇzito komponenty JComboBox. Jako popis nˇekter´ ych událost´ı je pouˇzit JLabbel

22

5.2.2

Programov´ aˇ c´ ast GUI

Programov´ a ˇc´ ast GUI se skl´ ad´ a z nˇekolika blok˚ u. Tyto ˇcásti tvoˇr´ı metody, které vkládaj´ı data do grafick´ ych komponent a obsluhuj´ı události vyvolané uˇzivatelem. • zobrazen´ı v´ yznam˚ u slova • pˇr´ıbuzn´ a slova • zad´ an´ı hledaného slova • historie • pˇripojen´ı do datab´ aze • nastaven´ı nového pˇripojen´ı zobrazen´ı v´ yznam˚ u slova Hlavn´ı ˇc´ ast programu slouˇz´ı k zobrazen´ı v´ yznam˚ u hledaného slova. Z´ıskaná data zobrzazuje strom sloˇzen´ y ze ˇctyˇr z´ akladn´ıch uzl˚ u. Uzly obsahuj´ı v´ yznamy slova podle toho v jakém se vyskytuje slovn´ım druhu. • Nouns - v´ yznamy pro podstatné jméno • Verbs - v´ yznamy pro sloveso • Adverbs - v´ yznamy pro pˇr´ıslovce • Adjectives - v´ yznamy pro pˇr´ıdavné jméno Tyto vˇetve jsou naplnˇeny daty ihned po zadán´ı hledaného slova. Metoda, nejprve z´ısk´ a data od knihovny pro programové rozhran´ı a poté data roztˇr´ıd´ı podle slovn´ıho druhu. Na z´ avˇer pˇriˇrad´ı do kaˇzdé vˇetve odpov´ıdaj´ıc´ı v´ yznamy. pˇ r´ıbuzn´ a slova Podstatnou ˇc´ ast programu tvoˇr´ı panel pro zobrazen´ı pˇr´ıbuzn´ ych slov. Tento panel má ˇctyˇri seznamy, do kter´ ych vypisuje synonyma, antonyma, hyponyma a hypernma. K tomuto u ´ˇcelu je vyuˇzito ˇctyˇr funkc´ı. • static void printSynonym(String word) • static void printAntonym(String word) • static void printHyponym(String word) • static void printHypernym(String word) Tyto funkce z´ısk´ avaj´ı data z knihovny pro programové rozhran´ı a vkládaj´ı obdrˇzen´ a data do sv´ ych seznam˚ u. Pro urychlen´ı programu se seznam zobrazuj´ıc´ı synonyma napln´ı zároveˇ n s v´ yznamy slov. Dalˇs´ı kontaktov´ an´ı datab´ aze probˇehne aˇz po kliknut´ı uˇzivatele na nˇekter´ y z dalˇs´ıch seznam˚ u

23

pro antonyma, hypernyma nebo hyponyma. Tuto situaci zajiˇst’uje zaregistrováná událost ChangeListener. Kaˇzd´ y ze ˇctyˇr seznam˚ u implementuje metodu MouseListener. Tato skuteˇcnost umoˇzn ˇuje seznam˚ um reagovat na kliknut´ı myˇsi. Pˇri dvojkliku tak program automaticky vyhled´ a oznaˇcenné slovo. Seznam obsahuj´ıc´ı synonyma hledaného slova má zaregistrovanou událost ListSelectionListener. Proto reaguje na oznaˇcen´ı poloˇzky seznamu. Pokud tedy uˇzivatel zvol´ı nˇekteré ze synonym, strom obsahuj´ıc´ı v´ yznamy slov se rozbal´ı aˇz po vˇetev, která je v´ yznamem oznaˇceného synonyma. zad´ an´ı hledan´ eho slova Panel pro zad´ an´ı slova, které bude zpracováváno se skládá ze tˇr´ı ˇcást´ı. Tvoˇr´ı je popisek, textové pole, kam uˇzivatel nap´ıˇse slovo urˇcené ke zpracován´ı a tlaˇc´ıtko. Uˇzivatel m˚ uˇze ’ spustit vyhled´ av´ an´ı bud stiskem tlaˇc´ıtka Search nebo stiskem klávesy Enter. To zaruˇcuje obsluhovan´ a ud´ alost textového pole ActionPerformed. Po ud´ an´ı povelu ke zpracov´ an´ı zadaného slova provede program metodu, která obslouˇz´ı jak funkce pro grafickou komponentu zobrazen´ı v´ yznam˚ u slova, tak i funkce pro grafickou komponentu zobrazuj´ıc´ı pˇr´ıbuzná slova. Po vykonán´ı tˇechto funkc´ı obsahuj´ı grafické komponenty aktualizovan´ a data odpov´ıdaj´ıc´ı pro novˇe zadané slovo. historie Historie zadan´ ych slov realizuje komponenta JComboBox. Kaˇzdé slovo, o kterém vyhledávme informace, program automaticky vkládá i do historie (pokud se vˇsak jiˇz v historii nenaléz´ a). Pokud uˇzivatel vybere nˇekteré slovo z historie, program se zachová stejnˇe jako pˇri zad´ an´ı nového slova. Tuto sluˇzbu poskytuje zaregistrovaná událost ActionPerformed. pˇ ripojen´ı do datab´ aze Pˇripojen´ı do datab´ aze také vyyuˇz´ıvá komponenty JComboBox. Po spuˇstˇen´ı program naˇcte vˇsechna existuj´ıc´ı pˇripojen´ı ze souboru connect.dat. Vybrán´ım jedné poloˇzky JComboBoxu se program zaˇcne pˇripojovat ke zvolené databázi. Tuto vlastnost zaruˇcuje opˇet událost ActionPerformed. Stav pˇripojen´ı k databázi udává popisek v levém doln´ım rohu programu. nastaven´ı nov´ eho pˇ ripojen´ı Program uˇzivateli umoˇzn ˇuje i vytvoˇren´ı svého vlastn´ıho pˇripojen´ı k databázi WordNet 3.0. Tuto moˇznost vyvol´ a uˇzivatel stiskem tlaˇc´ıtka Connection setup. V novém oknˇe pak vypln´ı potˇrebné u ´daje. Tyto u ´daje program uloˇz´ı do souboru connect.dat ve formátu vhodném pro pˇripojen´ı knihovnou mysql connector.

5.2.3

Manu´ al ke GUI

Pouˇz´ıv´ an´ı programu JWord je velmi intuitivn´ı, pˇresto zde pop´ıˇsi základn´ı ovládán´ı tohoto ´ programu. Uvodn´ ı okno programu, jak je vidˇet na obrázku 5.1, je rozdˇeleno do nˇekolika ˇcást´ı. 1. Textové pole, do kterého uˇzivatel vepisuje hledan´ y v´ yraz. Pro vyhledán´ı slova stisknˇete tlaˇc´ıtko Search, které se nacház´ı na pravo od textového pole nebo stisknˇete Enter. 24

Obr´ azek 5.1: Nové GUI vytvoˇrené pomoc´ı Swing

2. Pˇripojen´ı k datab´ azi MySQL Wordnet 3.0. Po spuˇstˇen´ı programu vyberte pomoc´ı rozbalovac´ıho menu pˇripojen´ı ke své databázi nebo pˇripojen´ı vytvoˇrte (6). 3. Strom, kter´ y zobrazuje nalezené v´ yrazy hledaného slova. Obsahuje ˇctyˇri vˇetve: • • • •

Nouns - v´ yrazy, kde má hledané slovo v´ yznam podstatného jména Verbs - hledané slovo je v tˇechto v´ yznamech slovesem Adverbs - v´ yznamy pro pˇr´ıslovce Adjectives - hledané slovo je ve tvaru pˇr´ıdavného jména

Po rozkliknut´ı nˇekteré z vˇetv´ı, zobraz´ı program dalˇs´ı vˇetve s v´ yznamy hledaného slova. U kaˇzdého v´ yznamu je uveden i pˇr´ıklad pouˇzit´ı ve vˇetˇe. Ten je vepsán do uvozovek. Synonyma hledaného slova, uˇzivatel zjist´ı rozkliknut´ım vˇetve s v´ yznamem slova. 4. Panel se slovy pˇr´ıbuzn´ ymi k hledanému slovu. Uˇzivateli jsou zde v samostan´ ych seznamech zobrazena synonyma (slova se stejn´ ym v´ yznamem), antonyma (slova s opaˇcn´ ym v´ yznamem), hyponyma (slova s konkrétnˇejˇs´ım v´ yznamem), hypernyma (slova s obecnˇejˇs´ım v´ yznamem). Pokud uˇzivatel poklepe na nˇekteré ze zobrazen´ ych slov, program toto slovo okamˇzitˇe vyhled´ a. U synonym pak po oznaˇcen´ı slova, program vyhledá jeho v´ yznam v levém oknˇe a rozbal´ı strom aˇz k tomuto v´ yznamu. 5. Historie, do tohoto rozbalovac´ıho menu program ukládá vˇsechna hledaná slova. Pokud se chce uˇzivatel k nˇekterému slovu vrátit staˇc´ı jej vybrat. 6. Pˇripojen´ı do datab´ aze, po stisku tlaˇc´ıtka Connection setup se otevˇre nové okno. V tomto oknˇe uˇzivatel m˚ uˇze nastavit vlastn´ı pˇripojen´ı do databáze vyplnˇen´ım základn´ıch informac´ı do formul´ aˇre. To bude i po restartu programu uloˇzeno v roletce pˇripojen´ı (2). 25

ˇ c´ıslo pokusu 1. pokus 2. pokus 3. pokus 4. pokus 5. pokus

ˇ cas vyhled´ av´ an´ı (sec) 0.9 sec 0.7 sec 0.7 sec 0.7 sec 0.6 sec

ˇ vyhledán´ı dat o slovu make Tabulka 5.1: Cas

5.3

Testov´ an´ı

Kaˇzd´ y program mus´ı pˇred sv´ ym dokonˇcen´ım proj´ıt testovac´ı fáz´ı. Na testovan´ ych pˇr´ıkladech je demonstrov´ ana i funkˇcnost programu.

5.3.1

Vyhled´ an´ı informac´ı o slovu make

Program zobrazil 2 v´ yznamy pro podstatné jméno a 49 v´ yznam˚ u pro sloveso, jiné slovn´ı druhy datab´ aze pro toto slovo neobsahuje. Dále vypsal 69 synonym, 3 antonyma, 266 hyponym a 88 hypernym. V tabulce 5.1 uvád´ım ˇcas, za kter´ y program zobrazil informace o slovu make. Pr˚ umˇernˇe trvalo vyhled´ an´ı informac´ı ke slovu make 0.7 sekund. Do toho ˇcasu je zahrnuto vyhled´ an´ı v´ yznam˚ u slova, synonym a pˇriˇrazen´ı synonym k v´ yznam˚ um slova. Dalˇs´ı vztahy (antonyma, hypernyma, hyponyma) se zaˇcnou hledat aˇz po kliknut´ı uˇzivatelem na poloˇzku seznamu pro dan´ y vztah. Je tak uˇcinˇeno právˇe kv˚ uli u ´spoˇre ˇcasu. Na obrázku 5.2 m˚ uˇzete vidˇet v´ ysledek vyhled´ an´ı informac´ı pro zadané slovo.

Obr´ azek 5.2: Vyhledán´ı informac´ı o slovu make

26

ˇ c´ıslo pokusu 1. pokus 2. pokus 3. pokus 4. pokus 5. pokus

ˇ cas vyhled´ av´ an´ı (sec) 0.8 sec 0.7 sec 0.7 sec 0.6 sec 0.5 sec

ˇ vyhledán´ı dat o slovu clear Tabulka 5.2: Cas

5.3.2

Vyhled´ an´ı informac´ı o slovu clear

Program zobrazil 2 v´ yznamy pro podstatné jméno, 24 v´ yznam˚ u pro sloveso, 15 pro pˇr´ıslovce a 4 pro pˇr´ıdavné jméno. D´ ale vypsal 53 synonym, 4 antonyma, 41 hyponym a 54 hypernym. V tabulce 5.2 uv´ ad´ım ˇcas, za kter´ y program zobrazil informace o slovu clear. Pr˚ umˇernˇe trvalo vyhled´ an´ı informac´ı ke slovu clear 0.667 sekund. Na obrázku 5.3 m˚ uˇzete vidˇet v´ ysledek vyhled´ an´ı informac´ı pro zadané slovo.

Obr´ azek 5.3: Vyhledán´ı informac´ı o slovu clear

27

Kapitola 6

Z´ avˇ er C´ılem pr´ ace byla inovace st´ avaj´ıc´ıho grafického uˇzivatelského rozhran´ı programu JWord 3.0. Jiˇz v pr˚ ubˇehu anal´ yzy vyˇslo najevo, ˇze vytvoˇren´ı pouze GUI nebude optimáln´ı. Pˇri anal´ yze a n´ avrhu implementace byl kladen d˚ uraz zejména na rychlost vyhledáván´ı vlastnost´ı od zadaného slova. S pˇrib´ yvaj´ıc´ımi poˇzadavky na z´ıskáván´ı informac´ı nebylo p˚ uvodn´ı vyhled´ av´ an´ı v souborech jiˇz dostaˇcuj´ıc´ı. Pro uloˇzen´ı dat lexikáln´ıho slovn´ıku WordNet bylo, po zváˇzen´ı vˇsech moˇznost´ı, vyuˇzito databáze MySQL WordNet 3.0. Znaˇcnou ˇcást v´ yvoje aplikace zabrala tedy implementace nového programového rozhran´ı, které vyuˇz´ıvá tuto databázi. Ve druhé f´ azi probˇehla implementace GUI, které je nadstavbou nad t´ımto programov´ ym rozhran´ım. Program pro sv˚ uj bezproblémov´ y bˇeh potˇrebuje pˇripojen´ı k databázi MySQL WordNet 3.0. Aplikace by mˇela slouˇzit hlavnˇe v s´ıti FIT, kde je databáze pro WordNet pˇr´ıstupná na serveru minerva2. Protoˇze se pˇripojen´ı k databázi nastavuje pˇres uˇzivatelské rozhran´ı, nen´ı problém pˇripojit se k j´ akemukoliv jinému serveru s databáz´ı MySQL WordNet 3.0. Nejd˚ uleˇzitˇejˇs´ı ˇc´ ast´ı aplikace je vyhledán´ı v´ yznam˚ u od zadaného slova. Aplikace d´ ale zobrazuje kromˇe seznamu vˇsech synonym i synonyma pro jednotlivé v´ yznamy zadaného slova. Program uˇzivateli vypisuje i dalˇs´ı vztahy k hledanému slovu a tˇemi jsou seznamy vˇsech jeho antonym, hyponym a hypernym. Jako doplnˇek aplikace lze u ´vést historii hledan´ ych slov.

6.1

Moˇ zn´ a rozˇ s´ıˇ ren´ı

Jako rozˇs´ıˇren´ı pr´ ace lze navrhnout pˇrizp˚ usoben´ı programového rozhran´ı tak, aby mohlo obsáhnou i data pro dalˇs´ı jazyky. Pˇr´ımo se nab´ız´ı zaˇclenit databáze z projekt˚ u jako je EuroWordNet a Global WordNet Association. Pro tento u ´ˇcel pak inovovat i grafické uˇzivatelské rozhran´ı. Jedno z dalˇs´ıch moˇzn´ ych vylepˇsen´ıch programu m˚ uˇze b´ yt editaˇcn´ı mód. Ten by mohl slouˇzit pro proch´ azen´ı, editaci a vkládán´ı nov´ ych ˇretˇezc˚ u ˇci cel´ ych synset˚ u do databáze. Toto vylepˇsen´ı by vˇsak jiˇz vyˇzadovalo nároˇcnˇejˇs´ı rozˇs´ıˇren´ı programového rozhran´ı.

28

Literatura [1] The Global WordNet Asoccation. [online]. [cit. 2008-04-12]. Dostupn´ y z WWW: http://www.globalwordnet.org/. [2] Bernard Bou. A ready-to-use SQL database [online]. [cit. 2008-04-14]. Dostupn´ y z WWW: http://wordnet.princeton.edu/links#SQL. [3] EuroWordNet. [online]. [cit. 2008-04-12]. Dostupn´ y z WWW: http://www.illc.uva.nl/EuroWordNet/. ˇ e Budˇejovice: Kopp, 2006. 244 s. ISBN [4] P. Herout. Java - bohatstv´ı knihoven. Cesk´ 978-80-7232-288-5. ˇ e Budˇejovice: Kopp, [5] P. Herout. JAVA - grafické uˇzivatelské prostˇred´ı a ˇceˇstina. Cesk´ 2007. 352 s. ISBN 978-80-7232-328-9. ˇ e Budˇejovice: Kopp, 2007. 320 s. ISBN [6] P. Herout. Uˇcebnice jazyka Java. Cesk´ 978-80-7232-323-4. [7] P. U. C. S. Laboratory. Wordnet 3.0 database statistics [online]. [cit. 2008-04-12]. Dostupn´ y z WWW: http://wordnet.princeton.edu/man/wnstats.7WN/. [8] J. Miller. Introduction to WordNet: An on-line lexical database [cit. 2007-10-02]. 1993. Dostupn´ y z WWW: http://wordnet.princeton.edu/5papers.pdf. [9] The George Washington University. JWord 3.0 [online]. [cit. 2007-10-02]. Dostupn´ y z WWW: http://www.seas.gwu.edu/~simhaweb/software/jword/. [10] Semantic Web. [online]. [cit. 2008-04-05]. http://www.w3.org/2001/sw. [11] Wikipedia. Gottfried Wilhelm Leibniz [online]. [cit. 2008-04-12]. Dostupn´ y z WWW: http://cs.wikipedia.org/wiki/Leibniz/.

29

Dodatek A

Pˇ r´ılohy A.1

Obsah pˇ riloˇ zen´ eho CD

Obsah jednotliv´ ych adres´ aˇr˚ u: • /help - n´ apovˇeda k programu ve formátu html • /src - zdrojové k´ ody s dokumentac´ı ve formátu JavaDoc • /dist - distribuce projektu ve formˇe JAR archivu vˇcetnˇe potˇrebn´ ych extern´ıch knihoven • /text - text této bakal´ aˇrské práce ve formátu pdf

30

A.2

Sch´ ema datab´ aze

Obr´ azek A.1: Schéma databáze MySQL WordNet 3.0 pˇrevzato z [2]

31

WORDNET FAKULTA INFORMAČNÍCH TECHNOLOGIÍ BRNO UNIVERSITY OF TECHNOLOGY FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS

Recommend Documents