Wat is Word Sense Disambiguation?
Word sense disambiguation (WSD) vormt de kern van softwareprogramma's die zijn ontworpen om taal te interpreteren. Dubbelzinnige woorden of zinnen kunnen op meerdere manieren worden begrepen, hoewel slechts één betekenis is bedoeld. Dis ambiguation probeert de beoogde betekenis van woorden en zinnen te ontcijferen. Dit gebied is uitermate uitdagend voor programmeurs die zijn belast met het ontwerpen van nauwkeurige interfaces om de kloof tussen gesproken en geschreven taal en computer-gegenereerde vertalingen te overbruggen.
Software die is ontworpen om spraak naar tekst te converteren, kan "luisteren" naar een gebruiker die in een microfoon spreekt en gesproken woorden vertalen in getypte zinnen. De gebruiker dicteert interpunctie, waar nodig woorden als "komma" en "punt" invoegen. Dit klinkt vrij eenvoudig, behalve dat veel woorden precies hetzelfde klinken.
Know, no en no of I en eye zijn bijvoorbeeld fonetisch niet te onderscheiden. Woordzinnen ondubbelzinnig helpt om te vertalen, "Ik zou het volgende week moeten weten," op de juiste manier, door gebruik te maken van wat in feite een set van "als, dan" regels is die rekening houden met woordplaatsing en aangrenzende woorden als indicatoren van het beoogde woord. Dit soort ondubbelzinnige woordzin staat bekend als de 'oppervlakkige aanpak' en is redelijk nauwkeurig, maar er kan niet altijd op worden gerekend.
Een andere benadering is het toepassen van 'wereldkennis', of wat computerlinguïstiek de 'diepe benadering' noemt. Deze benadering is afhankelijk van lexicons zoals woordenboeken en thesaurus om de juiste betekenis van een woord te helpen bepalen. Helaas is het niet eenvoudig om een database met een diepe aanpak te ontwerpen die voldoende uitgebreid is om een betere nauwkeurigheid te bieden dan de oppervlakkige aanpak.
Software die tekst hardop voorleest (tekst-naar-spraak) vereist ook onduidelijkheid over woordgevoeligheid. Het woord bas kan bijvoorbeeld een muziekinstrument, een noot of een vis betekenen. In het laatste geval wordt het anders uitgesproken en wordt het aan WSD overgelaten om af te leiden welke uitspraak moet worden gebruikt. Als de getypte zin toevallig luidt: 'De bas is zwaar', kan alleen een scan van de omringende zinnen aanwijzingen bevatten, zoals het vinden van de woorden 'vissen', 'boot', 'dock' of omgekeerd 'band', ' muziek 'of' nummer '. Als het ondubbelzinnig maken van het woord door het programma niet robuust genoeg is of als er geen aanvullende aanwijzingen zijn, kan het programma vertaalfouten maken.
Naast de "if, then" -regels van de oppervlakkige aanpak, worden algoritmen ook gebruikt om correcte interpretaties te bepalen. In het bovenstaande voorbeeld kan een algoritme sleutelwoorden in het hele document vinden die duidelijk wijzen op een muzikale interpretatie, of omgekeerd. Andere benaderingen worden ook gebruikt in WSD die in feite verfijningen of uitbreidingen van deze basisbenaderingen zijn.
Ondubbelzinnig woordgebruik is ook van vitaal belang in verbale opdrachtinterfaces die zijn ontworpen om het toetsenbord te vervangen - niet alleen bij het doorgeven van eenvoudige besturingssysteemopdrachten, maar ook bij complexe taken als onderzoek op internet. Andere gebieden waar WSD een rol speelt, zijn onder meer de ontwikkeling van het Semantic Web en verbeterde modellen voor kunstmatige intelligentie. Inderdaad, elk wetenschapsgebied dat steunt op een taalkundige brug tussen mens en machine maakt gebruik van woordzinnen-ondubbelzinnigheid.