英語データセット・APIとか

• https://github.com/NaturalNode/natural/blob/master/lib/natural/wordnet/wordnet.js
  • データセットの読み解き方が不明。↑らへんがヒントになるかも

• https://github.com/phoe/wordnet/blob/master/data-file-format.text

• https://github.com/open-language/en-wordnet
• https://github.com/open-language/wordnets
  • ↑こっちが最新とあるがnpmに上がって無さそう
• https://github.com/open-language/en-dictionary

• https://github.com/open-language/en-dictionary/blob/master/src/parser/configs.ts
  • 記号の意味、これがめっちゃわかりやすい
  • https://wordnet.princeton.edu/documentation/wninput5wn

• index -> alphabetized list of all the words　アルファベット順
• data -> A data file for a syntactic category contains information corresponding 単語のまとまり・関係性みたいなこと？offsetに対応してると考えて良いのか？

• index.offset -> synset_offset Byte offset in data.pos

• index.offsetDataは常に空配列？
  • https://github.com/open-language/en-dictionary/blob/e68575e6d9896fdbb70cde6d435531082203e3af/src/dictionary/index.ts#L23-L31
  • と思ったが検索時に書き込まれる仕組みな模様

• https://github.com/open-language/en-dictionary/blob/e68575e6d9896fdbb70cde6d435531082203e3af/src/parser/index.line.ts#L45
  • index.pointer.offsetも常に0。これは更新してる箇所とかも無さそう

en-dictionay

• 1系だとデータが上書きされてverbしか取れないバグがある
• 2系はまだ非公開で、githubから取ってきてTSでグリグリするしかない

• https://www.npmjs.com/package/@terrierscript/wordnet-dictionary
  どうも使いづらいので自前パッケージ化した

• https://globalwordnet.github.io/gwadoc/

https://github.com/globalwordnet/english-wordnet/blob/19ee45ebba114de01d0c2b166838ca5f0b061d87/scripts/wordnet.py#L37-L41

こちらの場合、synsetに語句が含まれてない。lexicalEntries.Senseを格納してあげる必要がある

こんな構造になってそう（点線は存在しないが実質存在するもの）

lexicalEntryからsense / synsetの繋がりにクセがある

「学術的なデータとしては順序はランダムと見なしたほうが妥当」というのちょっとおもしろい