Lernen paradigmatischer Relationen auf iterierten Kollokationen

Das Lernen paradigmatischer Relationen wie Synonymie, Homonymie, Antonymie und Hyponymie ist Thema verschiedener statistischer Ansatze. Die bisherigen Ansatze verwenden nur je ein statistisches Feature, um derartige Relationen aus grosen Textkorpora zu extrahieren. In diesem Papier soll eine Architektur vorgestellt, die es ermoglicht, Relationen zwischen Wortern durch eine Trainingsmenge zu lernen, um weitere in der Relation stehende Worter zu erhalten, um schlieslich lexikalischsemantische Wortnetze automatisch oder halbautomatisch zu erweitern. Hierzu wird zunachst eine passende Menge von Features aus einer grosen Menge vorhandener Features aufgrund der Trainingsmenge ausgewahlt, statistisch getestet und zum Erweitern des Wortnetzes verwendet.