OntoLex

OntoLex es el nombre abreviado de un vocabulario para recursos léxicos en la web de datos (OntoLex-Lemon) y el nombre abreviado del grupo comunitario del W3C que lo creó (W3C Ontology-Lexica Community Group). ^{[ 1 ]}

El vocabulario OntoLex-Lemon representa un vocabulario para publicar datos léxicos como un grafo de conocimiento , en formato RDF y/o como datos abiertos lingüísticos enlazados . Desde su publicación como informe de la comunidad W3C en 2016, ^{[ 2 ]} sirve como un estándar de facto para representar ontologías-léxicos en la Web. ^{[ 3 ]} OntoLex-Lemon es una revisión del vocabulario Lemon propuesto originalmente por McCrae et al. (2011). ^{[ 4 ]}

Los elementos centrales de OntoLex-Lemon, mostrados en la Fig. 1, son:

• Entrada léxica: unidad de análisis del léxico, que agrupa una o más formas y uno o más sentidos, o conceptos. Puede proporcionar información morfosintáctica adicional, por ejemplo, una categoría gramatical . Cabe destacar que cada entrada léxica puede tener como máximo una categoría gramatical; para representar grupos de entradas léxicas con formas idénticas pero diferentes categorías gramaticales, véase el módulo de lexicografía. ^{[ 5 ]}
• forma léxica: forma superficial de una entrada léxica particular, por ejemplo, su representación escrita.
• Sentido léxico: significado de una entrada léxica específica. Cabe destacar que los sentidos de OntoLex-Lemon están lexicalizados , es decir, pertenecen a una única entrada léxica. Para elementos de significado que pueden expresarse mediante diferentes lexemas, utilice el término «concepto léxico».
• Concepto léxico: elementos de significado con diferentes lexicalizaciones. Un ejemplo típico son los synsets de WordNet, donde varias palabras sinónimas se agrupan en un solo conjunto.

Aparte del módulo principal (espacio de nombres http://www.w3.org/ns/lemon/ontolex# ), otros módulos especifican vocabulario designado para representar metadatos léxicos ^{[ 6 ]} (espacio de nombres http://www.w3.org/ns/lemon/lime# ), relaciones léxico-semánticas (por ejemplo, traducción y variación, espacio de nombres http://www.w3.org/ns/lemon/vartrans# ), expresiones de varias palabras (descomposición, espacio de nombres http://www.w3.org/ns/lemon/decomp# ) y marcos sintácticos (espacio de nombres http://www.w3.org/ns/lemon/synsem# ).

Las estructuras de datos de OntoLex-Lemon son comparables con las de otros formatos de diccionario (véanse los vocabularios relacionados más abajo). El elemento innovador de OntoLex-Lemon es que proporciona dicho modelo de datos como un vocabulario RDF, lo que permite nuevos casos de uso basados ​​en tecnologías web en lugar de diccionarios independientes (por ejemplo, inferencia de traducción, véanse las aplicaciones más abajo). En un futuro previsible, OntoLex-Lemon seguirá siendo único en este papel, ya que la comunidad de Datos Abiertos Enlazados (lingüísticos) fomenta la reutilización de vocabularios existentes ^{[ 7 ]} y, a diciembre de 2019, OntoLex-Lemon es el único vocabulario establecido (es decir, publicado por el W3C u otra iniciativa de estandarización) para este propósito. Esto también se refleja en las recientes extensiones de la especificación original de OntoLex-Lemon, donde se han desarrollado nuevos módulos para extender su uso a nuevas áreas de aplicación:

• El módulo de lexicografía OntoLex-Lemon, publicado como informe del Grupo Comunitario del W3C, ^{[ 8 ]} amplía OntoLex-Lemon con respecto a los requisitos de la lexicografía digital .
• El módulo de morfología OntoLex-Lemon, en desarrollo a diciembre de 2019, ^{[ 9 ] [ 10 ]} tiene como objetivo facilitar el multilingüismo mediante la formalización de diccionarios morfológicos en OntoLex-Lemon, especialmente para lenguas morfológicamente ricas.
• El módulo OntoLex-Lemon para frecuencia, atestación e información de corpus, en desarrollo a diciembre de 2019, ^{[ 11 ] [ 12 ]} tiene como objetivo facilitar el uso de OntoLex-Lemon en lexicografía computacional y procesamiento del lenguaje natural.
• En trabajos en curso se ha explorado la extensión de OntoLex-Lemon para representar datos léxicos multimodales, particularmente para lenguas de señas . Declerck (2022) propuso una ontología para lenguas de señas dentro del marco de OntoLex-Lemon, abordando el desafío de que el modelo fue diseñado originalmente para representaciones escritas y fonéticas y requiere adaptaciones para capturar los elementos basados ​​en el movimiento de las lenguas de señas. ^{[ 13 ]}
• Actualizaciones de LexInfo: LexInfo proporciona categorías de datos para los datos de OntoLex-Lemon. La versión actual es LexInfo 3.0; las versiones anteriores (anteriores a 2019) aún dependían del vocabulario Monnet-Lemon anterior. ^{[ 14 ]}

OntoLex-Lemon se utiliza ampliamente para recursos léxicos en el contexto de datos abiertos lingüísticos enlazados . Algunas aplicaciones seleccionadas incluyen:

• OASIS Lexicographic Infrastructure Data Model and API (LEXIDMA), un marco para el trabajo lexicográfico interoperable internacionalmente ^{[ 15 ].}
• Infraestructura pública europea de conocimiento multilingüe ^{[ 16 ] [ 17 ]}
• LexO, un editor web colaborativo utilizado para la creación y gestión de recursos léxicos y terminológicos (multilingües) como recursos de datos enlazados ^{[ 18 ].}
• VocBench , una plataforma de desarrollo colaborativa, multilingüe y basada en la web para gestionar ontologías, tesauros, léxicos y datos RDF ^{[ 19 ] [ 20 ] [ 21 ]}
• La API Lexicala de K Dictionaries proporciona acceso a datos léxicos multilingües de 50 idiomas y 150 pares de idiomas. ^{[ 22 ]}
• DiTMAO, un editor lexicográfico desarrollado para crear el Diccionario de terminología médico-botánica del antiguo occitano ^{[ 23 ].}
• una serie de Tareas Compartidas sobre Inferencia de Traducción en Diccionarios (TIAD-2017, ^{[ 24 ] [ 25 ]} TIAD-2019, ^{[ 26 ] [ 27 ]} TIAD-2020 ^{[ 28 ]} )
• DBnary, edición RDF de 16 ediciones lingüísticas de Wikcionario ^{[ 29 ] [ 30 ]}
• PanLex, una red léxica a gran escala de unos 2500 diccionarios y más de 500 idiomas ^{[ 31 ]}
• Princeton WordNet 3.1 , un recurso léxico a gran escala, estructurado jerárquica y relacionalmente para el inglés ^{[ 32 ]}
• Global WordNet Association, un esfuerzo comunitario para producir, mantener e interconectar WordNets multilingües ^{[ 33 ].}
• BabelNet , una red léxica multilingüe a gran escala ^{[ 34 ] [ 35 ]}
• LiLa, una base de conocimiento de recursos lingüísticos para el latín basada en un gran léxico que consiste en una colección de formas de citación ^{[ 36 ] [ 37 ] [ 38 ]}

El desarrollo de OntoLex se aborda regularmente en eventos científicos dedicados a ontologías, datos enlazados o lexicografía. Desde 2017, se lleva a cabo dos veces al año una serie de talleres específicos sobre el módulo OntoLex. ^{[ 39 ]}

Entre los vocabularios relacionados que se centran en la estandarización y publicación de recursos léxicos se incluyen DICT (formato basado en texto), el formato XML Dictionary eXchange Format , TEI-Dict (XML) y el Lexical Markup Framework (modelo abstracto que suele serializarse en XML; el vocabulario Lemon evolucionó originalmente a partir de una serialización RDF de LMF). OntoLex-Lemon se diferencia de estos modelos anteriores por ser un vocabulario nativo de Linked Open Data que no solo formaliza la estructura y la semántica de los diccionarios legibles por máquina, sino que está diseñado para facilitar la integración de información entre ellos.

• Especificación OntoLex-Lemon
• Módulo de lexicografía OntoLex-Lemon
• Repositorio de OntoLex en GitHub