维基词典条目结构到关系数据库模式中表格与关系的转换

本文探讨了从维基词典（Wiktionary）自动提取数据的问题。维基词典是一个多语言、多功能词典，是与维基百科（Wikipedia）遵循相同原则的协作项目。从文本处理的角度看，维基词典条目是纯文本。维基词典指南规定了条目布局和规则，词典编辑者应遵循这些规则。维基词典文章的结构和格式化规则的存在，使得将维基词典条目结构转换为关系数据库模式中的表格和关系成为可能，该模式是机器可读词典（MRD）的一部分。本文描述了如何提取、转换维基词典条目的平面文本，并将其存储到专门设计的关系数据库中。该MRD包含从英语和俄语维基词典中提取的定义、语义关系和翻译。解析器软件以开源许可证协议（GPL）发布，以促进其传播、修改和升级，并吸引研究人员和程序员解析其他维基词典，而不仅仅是俄语和英语的维基词典。