Waarom is dit belangrijk?
Dankzij computationele taalkunde kunnen computers lange teksten automatisch samenvatten en de bedoeling van een uitspraak in een gesprek herkennen. In de zorg wordt die kennis gebruikt om vrije tekst in medische dossiers en wetenschappelijke artikelen doorzoekbaar te maken. Zorgverleners kunnen zo patiëntgegevens in vrije tekst terugvinden, maar woorden met meer dan één betekenis blijven lastig en dossiers bevatten gevoelige persoonsgegevens.
Zo werkt het in de praktijk
Onderzoekers aan de KU Leuven maken programma’s die Nederlandse woorden en zinnen automatisch ontleden. Zij lijnen teksten in verschillende talen automatisch op elkaar af. Daarnaast bouwen zij grote gelabelde tekstverzamelingen, zoals LASSY en SoNaR.
Diezelfde groep bestudeert de vaste regels en structuren van een grammatica. Zij gebruiken daarvoor onder meer Head-Driven Phrase Structure Grammar, een model voor de bouw van zinnen. Zo zoeken zij inzicht in talige kennis voor taal- en spraaktechnologie.
Voor het markeren van zinnen gebruiken onderzoekers Universal Dependencies. Dat is een gedeeld kader voor woordsoorten, woordvormen en verbanden tussen zinsdelen. Zo krijgen teksten in verschillende talen dezelfde soort labels.




