Lexikalisch-semantische Ressourcen (LSRs) sind ein Grundbaustein für viele Bereiche des Natural Language Processing (NLP), wie z.B. Lesartendisambiguierung oder Informationsextraktion. Es gibt LSRs in vielen Varianten, mit Schwerpunkten auf verschiedenen Informationstypen und Sprachen. Nichtsdestotrotz kann die große Zahl verschiedener LSRs den wachsenden Bedarf an umfangreichen Ressourcen für verschiedene Sprachen und Anwendungen nur unzureichend decken. Aus diesem Grund ist die kombinierte Nutzung verschiedener LSR nötig, um mehr Wörter und Bedeutungen abzudecken, und auch um Zugriff zu umfangreicherem Wissen zu haben, wenn eine Wortbedeutung in mehreren Ressourcen vertreten ist. In dieser Arbeit adressieren wir die Aufgabenstellung, äquivalente Wortbedeutungen in diesen Ressourcen zu identifizieren. Dies bezeichntet man als Word Sense Alignment (WSA), und wir berichten über zahlreiche Beiträge zu diesem Forschungsfeld.

Zunächst definieren wir WSA und beschreiben mögliche Evaluationsmetriken und Baselines für diese Aufgabe. Danach verorten wir WSA im weiten Feld der semantischen Sprachverarbeitung, indem wir es zu verwandten Problemen in NLP sowie in anderen Bereichen in Bezug setzen. Dabei stellen wir fest, dass WSA einzigartige Anforderungen mit sich bringt, die berücksichtigt werden müssen.

Im Anschluss diskutieren wir die Ressourcen, die wir für WSA einsetzen, und unterscheiden dabei zwischen von Experten erstellten und kollaborativ erstellten Ressourcen. Während wir für die meisten Ressourcen einen kurzen Überblick geben, besprechen wir die kollaborative, mehrsprachige Ressource OmegaWiki ausführlich, da diese in früheren Arbeiten keine umfangreiche Beachtung fand und darüber hinaus eine einmalige, konzeptorientierte und sprachunabhängige Struktur hat, die sie für NLP-Anwendungen interessant macht. Wir weisen jedoch ebenso auf nachteilige Eigenschaften und Lücken in OmegaWiki hin, die daraus resultieren. Nach der Vorstellung der Ressourcen führen wir eine vergleichende Analyse durch, welche sich auf die Eignung verschiedener LSRs für unterschiedliche WSA-Ansätze konzentriert. Dabei analysieren wir insbesondere die Beschreibungen der Wortbedeutungen und die Struktur der Ressourcen, wobei wir Schwächen einzelner Ressourcen sowie Unterschiede zwischen diesen aufarbeiten. Basierend auf dieser Analyse motivieren wir die Auswahl von Ressourcenpaaren, die wir untersuchen. Wir beschreiben ebenso die WSA-Goldstandards bzw. Evaluationsdatensätze, an denen sie beteiligt sind. Neben denen, die bereits in früheren Arbeiten vorgestellt wurden, diskutieren wir auch vier von uns neu erstellte Datensätze.

Danach präsentieren wir ein Alignment zwischen Wiktionary und OmegaWiki, wobei wir auf einem ähnlichkeitsbasierten Ansatz aufbauen, welcher hier erstmals auf zwei kollaborativ erstellte Ressourcen angewendet wird. Wir erweitern diesen Ansatz um eine maschinelle Übersetzungskomponente, welche genutzt wird um WordNet und den deutschen Teil von OmegaWiki zu alignieren. Ein Vergleichsexperiment mit dem englischen OmegaWiki (d.h. für den monolingualen Fall) zeigt, dass beide Konfigurationen vergleichbare Ergebnisse erzielen, da die Übersetzungkomponente nur wenige Fehler macht. Dies bestätigt die Effektivität unseres Ansatzes.

Basierend auf der Beobachtung, dass ähnlichkeitsbasierte Verfahren an ihre Grenzen stoßen, falls die Überlappung zwischen Bedeutungsbeschreibungen unzureichend ist, stellen wir einen neuen Alignment-Algorithmus namens Dijkstra-WSA vor. Erarbeitet auf Graphrepräsentationen der LSRs, die bspw. von semantischen Relationen oder Links induziert werden, und beruht auf der Intuition, dass verwandte Bedeutungen in benachbarten Regionen konzentriert sind. Der Algorithmus zeigt übezeugende Ergebnisse für sechs von acht Evaluationsdatensätzen, und wir präsentieren auch eine Kombination mit dem ähnlichkeitsbasierten Ansatz, welche eine signifikante Verbesserung zu früheren Arbeiten auf allen Datensätzen bewirkt.

Um die Erkenntnis, dass sich ähnlichkeitsbasierte und graphbasierte Verfahren ergänzen, besser auszunutzen, kombinieren wir beide Ansätze auch mit Hilfe von maschinellen Lernverfahren, womit wir eine weitere Verbesserung der Gesamtergebnisse (hinsichtlich F-Measure) für vier von acht Datensätzen erreichen, während wir für drei weitere einen signifikanten Anstieg in Precision und Accuracy feststellen. Wir untersuchen verschiedene maschinelle Lernverfahren, wobei Bayes’sche Netze die beste Gesamtleistung zeigen, und obwohl wir weitere Merkmale für das maschinelle Lernen untersuchen ist keine weitere Verbesserung der Ergebnisse möglich. Wir werten dies als Hinweis, dass die Struktur und die Beschreibungen der Wortbedeutungen ausreichend informativ sind, um äquivalente Bedeutungen in LSRs zu identifizieren. Weiterhin untersuchen wir verschiedene Ansätze, um mehr als zwei Ressourcen gleichzeitig zu alignieren, wobei wir jedoch keine befriedigenden Ergebnisse erzielen. Wir analysieren die Gründe hierfür und identifizieren zahlreiche Ansätze für zukünftige Arbeiten.

Die integrierte Ressource UBY bildet den größeren Rahmen für diese Arbeit. Das zugrunde liegende Repräsentationsformat UBY-LMF (basierend auf dem Lexical Markup Framework -Standard) spiegelt die Struktur und den Inhalt vieler verschiedener LSRs im größtmöglichen Detailgrad wider, wodurch sie interoperabel und besser zugänglich werden. Wir demonstrieren die praktische Anwendbarkeit des Formats anhand von OmegaWiki und präsentieren an diesem Beispiel die wichtigsten Eigenschaften von UBY-LMF, insbesondere die Repräsentation von Alignments. Wir stellen auch die finale, instantiierte Ressource UBY vor, ebenso wie die Java-basierte API, die programmatischen Zugang dazu ermöglicht, ein Web-Interface um die Inhalte von UBY im Browser zu untersuchen und das Alignment-Framework für unsere Experimente, dessen Implementierung durch die Standardisierung und die API erst ermöglicht wurde.

Um zu zeigen, dass WSA tatsächlich nützlich für NLP ist, stellen wir verschiedene Anwendungen vor, die darauf zurückgreifen. Das Clustering feingranularer GermaNet- und WordNet-Bedeutungen durch Ausnutzen von 1:n-Alignments zu OmegaWiki, Wiktionary und Wikipedia führt zu einem signifikanten Anstieg der Genauigkeit von Lesartendisambiguierung auf Standard-Evaluationsdatensätzen für Deutsch und Englisch, wobei dieser Ansatz sprachunabhängig ist und keinen speziellen Anpassungsaufwand für die jeweiligen Ressourcen erfordert. Das zweite Szenario ist computerunterstützte Übersetzung, und wir zeigen, dass mehrsprachige Ressourcen wie OmegaWiki und Wiktionary in diesem Fall nützliche Wissensquellen für zusätzliche Übersetzungen darstellen. In diesem Zusammenhang besprechen wir auch das Alignment zwischen beiden Ressourcen und geben Beispiele für das zusätzliche Wissen, welches durch die kombinierte Nutzung zugänglich wird.

Zuletzt beschreiben wir zahlreiche Ideen für weitere Arbeiten in der Zukunft, nicht nur in Bezug auf WSA, sondern auch für die Konstruktion von verlinkten Ressourcen wie UBY und die Anwendungen, die davon profitieren.