从词义到知识图谱：词位、WordNet、FrameNet 与知识图谱

沿紫色箭头读：左上的词位是起点，WordNet 把词义整理成概念网络，紫色大弧线走到右侧的 FrameNet，从单个词走向事件结构，最后落到底部的知识图谱和医学知识资源。右下角是我的主要收获。

词位（lexeme）是词汇的基本单位：一个特定的形式（书写和读音）与它的意义配成一对。这三个面向分别是：

面向	英文	例子
书写	Orthography	content 的拼写 c-o-n-t-e-n-t
语音	Phonology	名词读 /ˈkɒntent/，形容词读 /kənˈtent/
词义	Meaning	名词“内容”；形容词“满足的”

同一个拼写不一定是同一个词位：content 作名词和形容词时，读音和意义都不同，是两个词位。反过来，run、runs、ran 形式不同，却属于同一个词位，词典里用 run 作代表（这个代表形式叫 lemma）。SLP3 附录 I

词与词之间的语义关系

理解词义之后，下一步是描述词与词的关系。四种最常见的关系：

关系	含义	例子
同形异义 Homonymy	形式相同，意思毫无关联	bank：河岸 / 银行
一词多义 Polysemy	一个词有多个彼此相关的义项	bank：银行 / blood bank 血库（都是“储存之处”）
同义 Synonymy	不同的词，意思相同或相近；判断标准是能否互相替换而不改变句意	big ≈ large
上下义 Hyponymy / Hypernymy	具体类别与上位类别的层级关系	dog 是 animal 的下义词，animal 是 dog 的上义词

同义关系往往只在某些语境下成立：How big is that plane? 可以换成 large；但 big sister（姐姐）不能换成 large sister。所以“可替换性”需要放在语境里判断。SLP3 附录 I

✎ 阅读提示阅读提示：右下角的“KEY_FINDING”是生成图时留下的标签，可以理解为“要点”。图中把“动物 → 犬科 → 狗”画成一条上下义链，这是对的；同义关系的“可替换”要加上“在某些语境下”。

WordNet 是普林斯顿大学建立的英语词汇数据库。它最关键的设计是：不以单词为中心，而以同义词集（synset）为中心。一个 synset 是一组表达同一概念的近义词，并附有释义（gloss）。例如 car、auto、automobile、machine、motorcar 同属一个 synset，代表“汽车”这个概念。

这样做的好处是把概念标准化：同一个概念不管用哪个词说，都对应同一个节点；一个多义词则分属多个 synset。WordNet 再由人工定义 synset 之间的关系，形成网络：

• 上下义：dog → canine → animal，层层往上可以到最抽象的 entity。
• 整体—部分（meronymy）：engine 是 car 的一部分。
• 反义：hot ↔ cold（主要用于形容词）。

WordNet 3.0 收录约 11.8 万个名词、1.15 万个动词。名词平均有 1.23 个义项，动词平均有 2.16 个，动词的多义性更高。SLP3 附录 I

它解决的问题：词义消歧

词义消歧（word sense disambiguation, WSD）是判断一个词在当前语境里用的是哪个义项。例如 “I deposited cash at the bank” 和 “We sat on the river bank” 中的 bank 属于不同 synset。WordNet 提供了“候选义项清单”和义项之间的关系，所以长期是 WSD 研究的标准词义库。

这和我学英语时的方法很像：遇到一个多义词，在不同句子里分别找它能替换的同义词，就能分清它在这里是哪个意思。

✎ 阅读提示阅读提示：右上角网络中，“成员关系”和“部分关系”属于整体—部分关系（meronymy），与“上位词/下位词”的层级关系是两回事。“机器 Machine”在 WordNet 里确实是 car 的一个同义词，但这是较少见的用法。

WordNet 擅长回答“这个词是什么意思”，但不擅长回答“这句话里谁对谁做了什么”。FrameNet 补上的就是这一块。

FrameNet 的核心是语义框架（semantic frame）：描述一类情境的背景知识结构，并定义这类情境里的参与者，称为框架元素（frame elements），也就是语义角色。句子里的某个词会“唤起”一个框架。SLP3 第 22 章

句子	唤起框架的词	框架	框架元素
I ate a turkey sandwich.	ate	Ingestion（进食）	Ingestor（进食者）= I；Ingestibles（被吃的东西）= a turkey sandwich
The company hired Maria as a nurse.	hired	Hiring（招聘）	Employer = the company；Employee = Maria；Position = a nurse

不同的动词可以唤起同一个框架：hire、employ、retain 都属于 Hiring。这样，即使说法不同，计算机也能认出它们描述的是同一类事件。FrameNet 目前约有 1,200 个框架，框架之间也有层级关系，类似 WordNet 的上下义。

人工标注的价值

FrameNet 的框架和角色由语言学家人工定义，并配有大量人工标注的例句。这些例句把人对语句的理解规范化，可以直接用来训练模型。Chundru 等人（2025）发现，大语言模型不经专门训练也能较好地识别框架；在 FrameNet 标注数据上微调后，in-domain（与训练数据同类的文本）准确率大幅提升，同时在 out-of-domain 基准上也保持了不错的泛化。Chundru et al., EMNLP 2025

✎ 阅读提示阅读提示：图中的“进食者 / 被食者”在 FrameNet 里的正式名称是 Ingestor / Ingestibles；“触发词”指唤起框架的词（这里是“吃”）。

FrameNet 回答“这句话是怎么表达的”，知识图谱关心的是“这句话说了什么”。知识图谱（knowledge graph）把现实世界的概念和事实表示成“实体—关系—实体”的结构，例如：

• 阿莫西林 —可治疗→ 社区获得性肺炎
• 肺炎 —是一种→ 肺部疾病

当大量事实统一用这种结构表示，知识就从分散的句子变成了可以查询、推理和连接的网络。词汇资源（WordNet、FrameNet）提供了概念和关系的骨架，后来的知识图谱再从百科和网页里大规模抽取事实。

资源	特点
YAGO（2007 起）	结合维基百科与 WordNet，事实带有时间和空间信息
Freebase → Wikidata	协作编辑的大型知识库；Freebase 2016 年关闭后数据迁往 Wikidata
Probase	微软从网页中自动挖掘概念，约 270 万个概念，覆盖许多不常见的“长尾”概念
BabelNet	把 WordNet 与维基百科等资源整合成多语言、百科式的语义网络，覆盖约 600 种语言

BabelNet：覆盖更广，结果也更分散

BabelNet 比 WordNet 更全面，因为它把词义和多语言知识、百科知识连在了一起。About BabelNet 但覆盖更广也让结果更分散。我搜索 library 时，BabelNet 不仅返回了“图书馆”这个常见概念，还返回了一些冷门实体，包括某位歌手的一首歌。这正是它的优点和局限：语义网络更丰富，但也会带来不太相关或过于具体的结果，需要使用者自己筛选。

医学领域同一个概念往往有很多说法：心肌梗死、心梗、MI、heart attack。医学 NLP 最常用的两个知识资源，正是为了解决这一点，但分工不同。

	UMLS 统一医学语言系统	MeSH 医学主题词表
是什么	美国国家医学图书馆（NLM）整合的“元词表”（Metathesaurus），加上语义网络和专业词典	NLM 编制的受控、层级化主题词表
怎么组织	把约 190 个来源词表（SNOMED CT、ICD-10-CM、RxNorm、LOINC、MeSH 等）中表达同一概念的名称归到同一个概念编号（CUI）	主题词按从宽到窄的树状层级排列，例如 疾病 → 肿瘤 → … → 肺肿瘤
主要用途	串联、整合不同系统的术语，让病历、编码和检索系统可以互相对应	给 PubMed/MEDLINE 文献标引主题，并用于编目和检索
和知识图谱的关系	概念（CUI）是节点，概念间的关系构成网络，常被当作医学知识图谱的基础	本身是词表而非完整的知识图谱，但它的层级结构常被并入知识图谱

2025AB 版 UMLS 元词表收录约 349 万个概念，来自 190 个来源词表、29 种语言。UMLS 2025AB 统计 MeSH 用于“生物医学和健康信息的标引、编目与检索”。MeSH（NLM）

知识图谱在医学上的一个实际应用是罕见病药物再利用。美国阿拉巴马大学伯明翰分校开发的 mediKanren 用知识图谱把疾病机制、文献和数据库连接起来，寻找已获批药物的新用途，已用于帮助 500 多个罕见病家庭。Foksinska et al., 2022

✎ 阅读提示阅读提示：图中的“Medicarin AI 工具”正确名称是 mediKanren。

当算法开始理解词义和句意后，就可以建立知识体系了。简单来说，就是在理解了词和词、句子和句子的含义后，理清它们之间的关系，再把关系连接起来，建立知识图谱。这个步骤也可以映射到我平时的学习过程：学了一定的新内容以后，进行知识归纳。

关系的连接可以从词开始。一个词包括它的读音、写法和具体含义。上一期我们给词贴标签，标签可以是词性，也可以是词义的大类。词和词之间的关系也可以从不同方向定义，比如是否是同义词、反义词、上下义词，这样就建立起了 WordNet。我学英语时也常用这个方法：学习替换词。它能帮助词义消歧——一个词有多个意思时，在不同句子里找到它的同义词，就能分清此处的意思。

有了 WordNet 之后，可以进一步定义语义框架，从词走向一个句子所表达的事件结构，比如理解谁对谁做了什么、句子里各自是什么角色。定义框架时依靠人工标注语料，也就是把人对语料的理解规范化；用这些标注数据训练或微调模型，可以提高同类文本上的准确率。

理解语义框架后，就可以通过语义构建具体的事实和概念（facts and concepts），并把知识结构化，形成知识图谱。

下一步我想研究的问题：简单的语言模型（simple language models）是怎样工作的？

本篇基于我在英属哥伦比亚大学（UBC）微证书项目 “Natural Language Processing to Improve Patient Care” 第一门课 “Overview of NLP and Large Language Models” 中的学习笔记。技术细节对照了 Jurafsky 与 Martin《Speech and Language Processing》（第 3 版草稿，2026 年 8 月）：附录 I：Word Senses and WordNet、第 22 章：Semantic Role Labeling；以及 Chundru et al.（2025）Do LLMs Encode Frame Semantics? Evidence from Frame Identification、Foksinska et al.（2022）The precision medicine process for treating rare disease using the artificial intelligence tool mediKanren。

动手试试

• Open English WordNet：输入 bank，看它分成多少个 synset，每个 synset 的上义词是什么。
• FrameNet：在框架索引里查 Ingestion 或 Hiring，看它的框架元素和标注例句。
• BabelNet：搜索 library，对比返回的概念和实体，体会“覆盖广”与“结果分散”。
• MeSH Browser：查 Lung Neoplasms，看它在树状层级中的位置。UMLS 的在线浏览需要先免费申请 UTS 账号与许可。