同义词集 Synset 是什么？WordNet 中表示同一个意思的一组词

同义词集（Synset，synonym set 的缩写）是词汇数据库 WordNet 中的基本组织单位。一个同义词集由一组表达同一个概念、在某些语境下可以相互替换的词语组成。每个同义词集代表一个独特的含义，并附有一段释义，通常还有使用的例句。

WordNet 是什么

WordNet 是由美国普林斯顿大学的心理学家乔治·米勒（George A. Miller）领导开发的一个大型英语词汇数据库，研究工作从 1985 年开始。它不像普通的词典那样按字母顺序排列单词，而是按照词语的含义来组织：把名词、动词、形容词和副词分别组织成一个个同义词集，再用各种语义关系把这些同义词集连接起来，形成一张巨大的语义网络。最新的版本包含了大约十一万七千个同义词集。

同义词集是怎么组织的

一个词可能有多种含义，因此可能属于多个不同的同义词集。比如英文单词“bank”，既可以表示“银行”，也可以表示“河岸”，它就分别出现在两个不同的同义词集中：一个和表示金融机构的词放在一起，另一个和表示水边斜坡的词放在一起。反过来，一个同义词集中通常包含多个词，比如表示“汽车”这个含义的同义词集，包括 car、auto、automobile、motorcar 等词。这样，WordNet 就把“词”和“义”区分开了，可以清楚地表示一词多义和多词同义的现象。

同义词集之间的关系

WordNet 的价值还在于同义词集之间丰富的语义关系。上下位关系：这是最重要的关系，表示“是一种”的关系，比如“狗”是“犬科动物”的一种，“犬科动物”又是“哺乳动物”的一种，以此类推，形成一个层次化的概念树，越往上越抽象，越往下越具体。整体和部分的关系：比如“车轮”是“汽车”的一部分，“树枝”是“树”的一部分。反义关系：主要用于形容词，比如“热”和“冷”。动词之间还有蕴含关系，比如“打鼾”蕴含着“睡觉”。

在自然语言处理中的应用

在深度学习兴起之前，WordNet 是自然语言处理中最常用的词汇语义资源之一，被广泛用于：词义消歧，判断一个多义词在具体的句子中使用的是哪个意思；计算词语之间的语义相似度，比如通过在上下位层次中两个概念之间的距离来衡量它们有多相似；信息检索中的查询扩展，用同义词来扩大搜索的范围；以及文本分类、机器翻译、问答系统等。

与 ImageNet 的渊源

同义词集还有一个对人工智能发展影响深远的用途：李飞飞团队在 2009 年建立的大型图像数据库 ImageNet，就是按照 WordNet 的名词同义词集来组织图像类别的。每一个类别对应一个同义词集，项目的目标是为大量的同义词集收集成百上千张图片。正是基于 ImageNet 举办的图像识别比赛，在 2012 年见证了深度学习的突破。

其他语言

在 WordNet 的影响下，世界上很多语言都建立了类似的词汇网络，比如欧洲多种语言的 EuroWordNet，中文的知网（HowNet）、中文概念词典等。如今，词向量和大语言模型能够从海量的文本中自动地学到词语的语义，在很多任务上取代了人工构建的词汇网络，但 WordNet 由于结构清晰、可解释，仍然在语言学研究和一些需要精确语义关系的应用中被使用。