comprensione semcor struttura corpus h

Question

sto imparando la PNL. Sono attualmente in riproduzione con disambiguazione di senso. Sto pensando di utilizzare il corpus semcor come i dati di allenamento, ma ho difficoltà a capire la struttura XML. Ho provato googling ma non ha ottenuto alcuna risorsa che descrive la struttura del contenuto di semcor.

<s snum="1">
<wf cmd="ignore" pos="DT">The</wf>
<wf cmd="done" lemma="group" lexsn="1:03:00::" pn="group" pos="NNP" rdf="group" wnsn="1">Fulton_County_Grand_Jury</wf>
<wf cmd="done" lemma="say" lexsn="2:32:00::" pos="VB" wnsn="1">said</wf>
<wf cmd="done" lemma="friday" lexsn="1:28:00::" pos="NN" wnsn="1">Friday</wf>
<wf cmd="ignore" pos="DT">an</wf>
<wf cmd="done" lemma="investigation" lexsn="1:09:00::" pos="NN" wnsn="1">investigation</wf>
<wf cmd="ignore" pos="IN">of</wf>
<wf cmd="done" lemma="atlanta" lexsn="1:15:00::" pos="NN" wnsn="1">Atlanta</wf>
<wf cmd="ignore" pos="POS">'s</wf>
<wf cmd="done" lemma="recent" lexsn="5:00:00:past:00" pos="JJ" wnsn="2">recent</wf>
<wf cmd="done" lemma="primary_election" lexsn="1:04:00::" pos="NN" wnsn="1">primary_election</wf>
<wf cmd="done" lemma="produce" lexsn="2:39:01::" pos="VB" wnsn="4">produced</wf>
<punc>``</punc>
<wf cmd="ignore" pos="DT">no</wf>
<wf cmd="done" lemma="evidence" lexsn="1:09:00::" pos="NN" wnsn="1">evidence</wf>
<punc>''</punc>
<wf cmd="ignore" pos="IN">that</wf>
<wf cmd="ignore" pos="DT">any</wf>
<wf cmd="done" lemma="irregularity" lexsn="1:04:00::" pos="NN" wnsn="1">irregularities</wf>
<wf cmd="done" lemma="take_place" lexsn="2:30:00::" pos="VB" wnsn="1">took_place</wf>
<punc>.</punc>
</s>

• Sto assumendo wnsn è 'senso parola'. È corretto?
• Che cosa significa l'attributo lexsn significa? Come la mappa di wordnet?
• Che cosa significa l'attributo PN fare riferimento a? (Terza linea)
• Come è l'attributo rdf assegnato? (Di nuovo terza linea)
• In generale, quali sono i possibili attributi?

Answer 1

Il formato è descritto nel file "doc / cxtfile.txt" nel SemCor 1,6 archivio ; per qualche motivo, la documentazione non è incluso nelle versioni successive.