Natuurlijke-taalinterfaces

Gosse Bouma and Gertjan van Noord
Vakgroep Alfa-informatica & BCN
Rijksuniversiteit Groningen
vannoord@let.rug.nl

Een voorbeeld van een natuurlijke-taalinterface is een systeem waaraan momenteel door een aantal Nederlandse onderzoeksgroepen wordt gewerkt: een systeem dat informatie verschaft over het openbaar vervoer, en dat je per telefoon in gesproken taal kunt raadplegen.

In dit hoofdstuk bespreken we natuurlijke-taalinterfaces. In deze paragraaf leggen we ten eerste uit waarom in sommige gevallen natuurlijke-taalinterfaces te verkiezen zijn boven andere interfaces (zoals grafische interfaces, of interfaces die gebruik maken van een speciaal programmeertaaltje).

In sectie 2 bespreken we de problemen waarmee je te maken krijgt wanneer je een natuurlijke-taalinterface wilt bouwen. Sectie 3 geeft een overzicht van een aantal technieken uit de natuurlijke-taalverwerking die in geavanceerde natuurlijke-taalinterfaces vaak worden gebruikt. In de laatste sectie bespreken we ten slotte kort enkele bestaande systemen en de prestaties die op dit moment mogelijk zijn.

Wanneer wil je natuurlijke-taalinterfaces gebruiken?

Een belangrijk voordeel van het gebruik van natuurlijke-taalinterfaces is dat iedereen natuurlijke taal kan spreken. Je hoeft dus niet ingewerkt te worden, een speciale programmeertaal te leren, of de betekenis van allerlei ingewikkelde muisacties te doorgronden. Dit voordeel is natuurlijk cruciaal voor informatiesystemen die gericht zijn op de `gewone' gebruiker, en niet speciaal ontworpen zijn voor een klein aantal specialisten.

Een tweede voordeel is dat natuurlijke taal expressief is. Alles wat je zou kunnen willen vragen kun je in natuurlijke taal uitdrukken. Het is dan ook zo dat mensen vaak het gebruik van natuurlijke taal prefereren. Dit is vooral zo wanneer je niet precies weet wat je wilt vragen of wanneer je niet precies weet welke informatie beschikbaar is. In zulke gevallen is vaak eerder sprake van het collaboratief probleemoplossen of `onderhandelen' in plaats van het direct stellen van gerichte vragen. Dit voordeel is het grootst wanneer gebruik wordt gemaakt van gesproken taal.

Er zijn nog meer speciale voordelen verbonden aan het gebruik van gesproken natuurlijke taal. Telefonische interfaces staan het gebruik van een informatiesysteem over grotere afstand toe, zonder dat de gebruiker daarbij de beschikking hoeft te hebben over een computerterminal. Dit is voorlopig nog wel een belangrijk voordeel ten opzichte van interfaces die bijvoorbeeld van netwerken zoals Internet gebruik maken.

Gesproken-taalinterfaces zijn daarnaast mogelijk in situaties waarbij je je handen niet kunt gebruiken. Je kunt hierbij bijvoorbeeld denken aan een systeem dat in een auto informatie kan verschaffen over de te volgen route, of de te verwachten verkeersdrukte.

Aan het gebruik van natuurlijke taal kleven ook nadelen. Zo is natuurlijke taal vaak niet erg precies, of meerduidig, of niet erg compact. Dit kunnen redenen zijn dat informatiesystemen die gericht zijn op gespecialiseerde gebruikers gebruik maken van speciale interfaces. Maar het belangrijkste praktische bezwaar tegen het gebruik van natuurlijke taal is voorlopig domweg dat de huidige mogelijkheden nogal beperkt zijn. Het is voor een computer (nog?) ontzettend moeilijk een gebruiker in natuurlijke taal precies te begrijpen.

Wat is er zo moeilijk aan?

Het belangrijkste probleem waar een natuurlijke-taalinterface tegen aanloopt is het probleem van de meerduidigheid of ambiguïteit. Bijna elke taaluiting is in isolatie meerduidig. Mensen hebben daarmee geen enkele moeite. Na het horen van het zinnetje:

$\ex. Jan wacht op het station \par$
komen alleen taalkundigen op het idee dat deze zin ook zou kunnen betekenen dat Jan boven op het stationsgebouw aan het wachten is. Waarom weten mensen nu wat de bedoelde betekenis is? Het lijkt erop dat je om zulke vragen te kunnen beantwoorden in het algemeen ontzettend veel informatie moet hebben over hoe de wereld in elkaar zit, en wat `normale' acties van mensen zijn. Een computer ontbeert zulke kennis en heeft dus vaak de neiging teveel analyses aan een uiting toe te kennen: namelijk ook allerlei zeer onwaarschijnlijke analyses. Disambiguatie (het toekennen van de bedoelde lezing aan een meerduidige zin) is daarom een belangrijke taak.

Het omgekeerde probleem doet zich ook voor. Natuurlijke taal-interfaces zijn vaak niet robuust. Mensen maken vaak `foutjes' in hun taalgebruik (vooral in gesproken taal), ze gebruiken nieuwe woorden, ze gebruiken soms even een vreemde taal. Een typische opmerking van een gebruiker tegen een openbaar vervoer informatie systeem zou kunnen zijn:

$\ex. ik wil om nee wacht ik moet er eeh om zeven uur nou om een uur of zeven zijn ja \par$
Dus zelfs wanneer het systeem de regels van het Nederlands perfect beheerst moet het systeem in dit voorbeeld eerst ontdekken dat de gebruiker zichzelf enige malen in de rede viel en stukjes van zijn eigen uiting corrigeerde. Opnieuw geldt dat mensen met dit probleem geen enkele moeite hebben; voor machines is dit echter wel degelijk een groot struikelblok.

Zoals in hoofdstuk XXX al is aangetoond kan ook het (door een computer) omzetten van spraak naar tekst (spraakherkenning) nog niet beschouwd worden als een opgelost probleem. Dit betekent voor het systeem eigenlijk dat in input `onzeker' is. Vaak levert een spraakherkenner bijvoorbeeld verschillende kandidaatzinnen op. De bovengenoemde problemen worden hierdoor alleen maar moeilijker op te lossen.

Hoe gaat men te werk?

Over het algemeen zijn er in een natuurlijke-taal interface een aantal verschillende componenten te onderscheiden. De volgende componenten bespreken we in de loop van dit hoofdstuk in wat meer detail:

Syntactische en Semantische Analyse

De taak van de syntactische analysecomponent is om in een zin de woordgroepen te onderscheiden, en hun onderlinge relaties vast te leggen. Het resultaat van deze component is meestal een syntactische analyseboom. Deze analyseboom kan dan weer gebruikt worden om door middel van semantische analyse de betekenis te achterhalen.

In dit zinnetje is het duidelijk dat de `ik' persoon degene is die slaat, terwijl `de man' de geslagene is. Dit volgt uit de syntactische relaties in deze zin: `ik' is onderwerp van het gezegde, terwijl `de man' lijdend voorwerp is. Twee mogelijke analysebomen voor deze zin zijn de volgende:

$\leavevmode \unitlength1pt \picture(370.16,158.63) \catcode\lq \@=11 \put(91.79,13... ...rrekijker}} \put(344.87,9.87){\hbox{}} \put(0.00,135.00){\hbox{}} \endpicture$

$\leavevmode \unitlength1pt \picture(306.26,188.63) \catcode\lq \@=11 \put(61.67,16... ...rrekijker}} \put(280.97,9.87){\hbox{}} \put(0.00,165.00){\hbox{}} \endpicture$

De eerste analyseboom kan worden gebruikt om de lezing af te leiden waarbij de verrekijker gebruikt wordt als slaginstrument. In de tweede analyseboom kan de lezing worden afgeleid waarbij de man toevallig een verrekijker bij zich heeft, maar waarbij het slaginstrument ongenoemd blijft. Deze voorbeelden tonen aan waarom syntactische analyse van belang is om de betekenis van een zin te begrijpen.

Bij het automatisch ontleden van de zin (`parsing') onderscheiden we vaak aan de ene kant de grammatica die de regels voor bijvoorbeeld het Nederlands definieert; en aan de andere kant het algoritme dat bepaalt hoe je op grond van een grammatica een syntactische analyseboom kunt afleiden. Een grammatica bestaat vaak uit een verzameling herschrijfregels. Deze regels zien er bijvoorbeeld uit als in (5) en (6). Hierbij wordt (6) het woordenboek genoemd.

$\ex. \a. zin $\rightarrow$\ onderwerp gezegde \b. onderwerp $\rightarrow$\ naamw... ...rd naamwoord bepaling \b. bepaling $\rightarrow$\ voorzetsel naamwoordgroep \par$

$\ex. \a. naamwoordgroep $\rightarrow$\ Maarten 't Hart \b. naamwoordgroep $\righ... ...st $\vert$\ woont \b. voorzetsel $\rightarrow$\ met $\vert$\ op $\vert$\ in \par$

Deze syntactische regels bepalen hoe woordgroepen in het Nederlands kunnen worden opgebouwd. De eerste regel stelt bijvoorbeeld dat een zin zou kunnen bestaan uit een onderwerp gevolgd door een gezegde. De rechtopstaande streep duidt aan dat er meerdere mogelijkheden zijn.

Natuurlijk is bovenstaande grammatica slechts een fractie van de regels die je voor het Nederlands nodig zou hebben.

Daarnaast wordt bij zulke grammatica's meestal gebruik gemaakt van de mogelijkheid om attributen aan de verschillende categorieen mee te geven. Zo zal in een realistische grammatica de tweede regel in bovenstaand voorbeeld eisen dat de naamwoordgroep in de eerste naamval staat (in het Nederlands is dat van belang omdat `me' als onderwerp niet is toegestaan). Verder worden aan de syntactische regels al vaak de bijbehorende semantische regels toegevoegd. Hoewel dus conceptueel vaak semantische analyse wordt voorgesteld als een aparte component zijn syntactische en semantische analyse in de praktijk vaak gecombineerd. Wanneer we aan de voorgaande grammatica semantische regels toevoegen dan kan het resultaat er bijvoorbeeld als volgt uitzien (voor enkele regels):

$\ex. \a. zin/Pred(Arg1,Arg2) $\rightarrow$\ onderwerp/Arg1, gezegde/Pred(Arg2) ... ...woord/Pred, lijdend\_voorwerp/Arg2 \c. werkwoord/slaat $\rightarrow$\ sloeg \par$
Hier schrijven we de semantische representaties steeds na de schuine streep ('/'). In de semantische representatie maken we gebruik van variabelen (woorden die met een hoofdletter beginnen). De tweede regel stelt dus dat de semantiek van een gezegde bestaat uit een predicaat (de semantiek van het werkwoord Pred) toegepast op de semantiek van het lijdend voorwerp Arg2.

De parser is een programma dat een binnenkomende zin volgens de gegeven grammatica analyseert. Er bestaan daarbij veel verschillende strategieën. De meeste strategieen zijn ontwikkeld in de informatica. De code van een computerprogramma moet door een computer immers ook eerst geanalyseerd worden voordat duidelijk is welke instructies in welke volgorde moeten worden uitgevoerd. Toch is er een belangrijk verschil: computerprogramma's zijn niet ambigu, terwijl natuurijke-taaluitingen dat wel zijn. Dit betekent dan ook dat de grammatica van bijvoorbeeld alle correcte Pascal programma's geen ambiguiteit hoeft toe te staan, terwijl een grammatica voor bijvoorbeeld het Nederlands dat wel moet toestaan.

Een mogelijke parseerstrategie is de bottom-up strategie. Hierbij worden aan de woorden in de zin eerst de categorielabels toegekend (zoals in het woordenboek gedefinieerd):

$\exg. naamwoordgroep werkwoord lidwoord naamwoord voorzetsel lidwoord naamwoord\\ ik sloeg de man met de verrekijker\\ \par$
Vervolgens wordt steeds geprobeerd regels toe te passen. Hierbij wordt gekeken of de reeks symbolen rechts van de pijl in een regel overeenkomt met een reeks symbolen in de woordenrij. In bovenstaand voorbeeld kunnen we `lidwoord' gevolgd door `naamwoord' samen combineren tot een naamwoordgroep. Wanneer we systematisch alle mogelijke regels toepassen onstaan de twee parseerbomen in (4).

Verschillende parseerstrategieen kunnen worden onderverdeeld aan de hand van een aantal criteria. Zo kan een algoritme bottom-up werken, zoals in het voorbeeld hierboven. In dat geval worden alle parseerbomen van beneden naar boven opgebouwd. In het omgekeerde geval spreekt men van top-down parsing. Gecombineerde varianten zijn ook mogelijk. Daarnaast kunnen parseeralgoritmen gekarakteriseerd worden door te kijken in welke volgorde de woorden uit de zin in de boom worden gehangen. Vaak gebeurt dit van links naar rechts, maar er zijn ook varianten waarbij de input zin bidirectioneel wordt doorlopen: sommige stukken van links naar rechts, maar andere delen van rechts naar links. Ten slotte worden parseeralgoritmes gekarakteriseerd aan de hand van de methode die wordt gebruikt om de zoekruimte te doorlopen: welke regel pas je het eerst toe. Belangrijk hierbij is ervoor te zorgen dat je al het werk slechts een keer wilt doen.

Semantische interpretatie en ambiguïteit

Eén van de karakteristieke eigenschappen van natuurlijke taal is ambiguïteit. Dit betekent dat woorden, uitdrukkingen, en zinnen niet één vaste betekenis hebben, maar dat de betekenis afhangt van de context. In mens-mens communicatie is ambiguïteit vrijwel nooit een probleem: mensen zijn zo goed in het interpreteren van natuurlijke taal dat ze vrijwel altijd de juiste betekenis aan een uiting toekennen, vaak zelfs zonder te bemerken dat er ook nog andere betekenissen mogelijk zijn. Voor mens-machine communicatie is ambiguïteit evenwel een belangrijk obstakel. Om succesvol te kunnen communiceren met een computerprogramma is het noodzakelijk dat iedere uiting van de gebruiker wordt omgezet in een volledig expliciete en eenduidige opdracht of mededeling voor het onderliggende programma. Dit betekent dat een NTI de ambiguïteiten en vaagheden die inherent zijn aan het gebruik van natuurlijke taal moet opsporen en vervolgens elimineren.

Ambiguïteiten kunnen verschillende oorzaken hebben. Lexicale ambiguïteiten zijn ambiguïteiten die worden veroorzaakt doordat een woord of woordgroep meerdere betekenissen heeft. Syntactische ambiguïteiten treden op wanneer een uiting op verschillende manieren syntactisch geanalyseerd kan worden. Zowel lexicale als syntactische ambiguïteit leidt ertoe dat de analyse van een zin op basis van een computationele grammatica niet een uniek resultaat oplevert, maar dat er meerdere mogelijke analyses zijn. Een belangrijke functie van de semantische interpretatie is om uit de verschillende mogelijke analyses de juiste te kiezen.

Om de betekenis van een uiting volledig te bepalen is het niet voldoende om alleen lexicale en syntactische ambiguïteiten op te lossen. De interpretatie van veel woorden, zoals voornaamwoorden, en uitdrukkingen als gisteren, daar, de volgende, etc, is afhankelijk van de context waarin ze worden gebruikt.

In de rest van deze sectie bespreken we een aantal voorbeelden van lexicale en syntactische ambiguïteit en van de rol die context speelt bij het interpreteren van uitingen.

Lexicale ambiguïteit

Veel woorden hebben meerdere betekenissen. Het woord ezel kan verwijzen naar een dier (en naar personen die daar een zekere overeenkomst mee vertonen) of naar een stuk schildersgereedschap. Wanneer we een zin als De ezel stond in de wei in isolatie proberen te interpreteren valt niet te beslissen welke betekenis bedoeld wordt.

Voorbeelden zoals hierboven, waar een woord twee volledig verschillende betekenissen heeft, zijn relatief zeldzaam. Veel vaker hebben woorden verschillende betekenissen die verwant zijn. Preposities (zoals voor en op) kunnen zowel in combinatie met een tijdsaanduiding (voor zes uur, op zondag) als met een plaatsbepaling (voor het station, op de Harmonie) optreden. De betekenis van de prepositie verschilt hier weliswaar, maar het lijkt erop alsof de verschillende betekenissen van voor en op niet helemaal ongerelateerd zijn. De ambiguïteit van deze preposities wordt vaak helemaal niet opgemerkt. Dit komt omdat de combinatie van een prepositie met een tijdsuitdrukking of met een plaatsbepaling meteen duidelijk maakt welke interpretatie nodig is. Voor een computationeel systeem leveren deze ambiguïteiten om dezelfde reden ook weinig problemen op.

Het kan ook voorkomen dat een woord of uitdrukking maar één betekenis heeft, maar dat deze betekenis een zekere mate van vaagheid bezit. Een uitdrukking als vandaag verwijst bijvoorbeeld naar een periode die begint om twaalf uur 's avonds en 24 uur later eindigt. Soms lijkt een iets ruimere interpretatie evenwel ook mogelijk. Op de vraag Gaat er vandaag nog een trein naar Utrecht? zou best geantwoord kunnen worden met Om kwart over twaalf.

Syntactische ambiguïteit

Sommige zinnen zijn syntactisch ambigu. Dit wil zeggen dat ze op meerdere manieren syntactisch geanalyseerd kunnen worden. Syntactische ambiguïteit is relevant voor de interpretatie van een zin, omdat verschillen in syntactische analyse bijna altijd leiden tot verschillen in betekenis. PPs zijn een beruchte bron van syntactische ambiguïteit omdat ze zowel onderdeel van een S als van een NP kunnen zijn. Een voorbeeld wordt gegeven in (8-c).

$\exi. \a. Ik neem de intercity van kwart over tien naar Enschede \b. [s ik neem... ...]] \c. [s ik neem [np de intercity van kwart over tien] [pp naar Enschede]] \par$

Iemand die van Amsterdam naar Amersfoort wil reizen kan zin ((8-c)a) uiten, en bedoelen dat zij naar Amersfoort wil reizen met de intercity die Enschede als eindbestemming heeft. Deze interpretatie van de zin (waarbij de spreker dus niet van plan is pas in Enschede uit te stappen) is mogelijk wanneer we kiezen voor de syntactische analyse in ((8-c)b). De PP naar Enschede is hier onderdeel van de NP. Een alternatieve analyse van zin ((8-c)a) wordt gegeven in ((8-c)c). Hier is de PP naar Enschede onderdeel van de zin als geheel. Kiezen we voor deze analyse (waarbij de spreker zegt dat zij naar Enschede wil reizen met de intercity van kwart over tien), dan mogen we wel degelijk concluderen dat de spreker Enschede als reisdoel heeft.

Voor een computationeel systeem is het erg lastig te bepalen welke van de twee interpretaties hier bedoeld wordt. Het lijkt erop alsof de interpretatie in ((8-c)c) in de meeste gevallen de voorkeur verdient. Alleen wanneer uit de context duidelijk blijkt dat de spreker niet naar Enschede wil, kiezen we voor lezing ((8-c)b). Voor een computationeel systeem betekent dit dat het moet redeneren met behulp van informatie die eerder in de dialoog is uitgewisseld.

Interpretatie in Context

De interpretatie van uitingen hangt vaak af van de context waarin ze geuit worden. Met name de voorafgaande dialoog of discourse is hier van belang. In figuur 1 is een voorbeeld te vinden van een dialoog waarin verschillende uitingen voorkomen die contextafhankelijk zijn.

**Figure 1:** De interpretatie van zinnen in context
$\begin{figure} {\em\begin{tabular}{lll} 1 & {\tt gebruiker} & Gaat er na elf uur... ...8 & {\tt systeem} & Ik ken geen station Zoutkamp \par\end{tabular}} \end{figure}$

In uiting 1 is de tijdsuitdrukking elf uur ambigu. Deze kan zowel naar 11.00 uur `s ochtends uur als naar 23.00 uur `s avonds verwijzen. Het is niet eenvoudig te bepalen welke interpretatie hier bedoeld wordt. De interpretatie die het systeem kiest (23.00 uur) is waarschijnlijk gebaseerd op de overweging dat er geen verbindingen zijn waar na 11.00 uur geen treinen meer rijden (en dat dit algemeen bekend is), maar dat er wel verbindingen zijn waar na 23.00 uur geen trein meer gaat. Waarschijnlijk is de gebruiker dus in het laatste geval geïnteresseerd.

Het voornaamwoord die in uiting 3 verwijst terug naar de interpretatie van de NP een trein in uiting 2. Om dit te kunnen vaststellen moet het systeem een lijst bijhouden van NP's die eerder in de dialoog zijn opgetreden.

Met NP de laatste trein in uiting 4 wordt niet de laatste trein überhaupt bedoeld, maar de laatste trein op het traject Zwolle-Groningen. Deze interpretatie is gebaseerd op het feit dat de gebruiker begon met een vraag naar dit traject. Merk op dat het systeem ook had kunnen kiezen voor de interpretatie laatste trein op het traject Zwolle-Groningen die stopt in Haren. Het woordje laatste betekent hier trouwens laatste in de NS-dienstregeling en bijvoorbeeld niet laatste vandaag (d.w.z. de laatste die voor 24.00 uur vertrekt).

Merk tenslotte op dat ogenschijnlijk kleine verschillen in de manier waarop iets gezegd wordt de interpretatie kunnen veranderen. Wanneer in uiting 1 het woordje nog ontbreekt, dan is al iets minder duidelijk dat 23.00 uur 's avonds bedoeld wordt. Is de vraag geformuleerd als wanneer gaat er na elf uur een trein van Zwolle naar Groningen dan is zonder verdere context niet te beslissen of 11.00 uur dan wel 23.00 uur bedoeld wordt.

Het voeren van een coöperatieve dialoog

Om de dialoog tussen gebruiker en machine enigszins soepel te laten verlopen is het nodig dat het systeem een zekere mate van initiatief vertoont en `coöperatief' is. Met dit laatste bedoelen we dat het systeem misverstanden aan de kant van de gebruiker probeert te voorkomen, en dat het systeem probeert om antwoorden te geven die informatief zijn, zelfs als een korter antwoord zou hebben volstaan.

Het voorbeeld in figuur 1 illustreert hoe belangrijk het is dat een dialoogsysteem zich coöperatief gedraagt en in staat is tot het nemen van initiatieven.

De dialoog begint bijvoorbeeld met een ja/nee vraag van de kant van de gebruiker. Het zou uiterst oncoöperatief zijn wanneer het systeem hierop alleen met ja zou hebben geantwoord. Het systeem neemt dan ook terecht het initiatief om nog enige extra informatie te verstrekken. In de eerste plaats bevat het antwoord de tijdsuitdrukking vandaag. Op deze manier maakt het systeem duidelijk dat het bij het beantwoorden van de vraag een assumptie heeft gemaakt (namelijk dat de gebruiker informeert naar de dienstregeling van vandaag), die niet expliciet in de vraag aanwezig was. Door het expliciet maken van zulke assumpties worden misverstanden voorkomen.

Daarnaast wordt de vertrektijd van een trein die na 23.00 uur vertrekt gegeven. Het systeem had in principe nog meer informatie kunnen geven (zoals de aankomsttijd van de genoemde trein of de vertrektijden van andere treinen op dit traject die na 23.00 ur vertrekken). Hier is het belangrijk een afweging te maken tussen het geven van informatie die misschien ook relevant is en het vermijden van het geven van informatie waarom de gebruiker niet gevraagd heeft.

Ook op de tweede en derde vraag van de gebruiker wordt steeds geantwoord met meer informatie dan waarom strikt genomen wordt gevraagd.

De laatste vraag van de gebruiker is een vraag naar een busverbinding. Een oncoöperatief systeem had hier domweg nee kunnen antwoorden (omdat er geen (spoor-) verbinding van Groningen naar Zoutkamp is). Dit zou echter misleidend zijn. Uit het feit dat er geen verbinding kan worden gevonden, kan worden afgeleid dat Zoutkamp geen NS-station is. Door dit in het antwoord te vermelden kan een misverstand bij de gebruiker (die er misschien van uitgaat dat Zoutkamp wel per spoor te bereiken is, of dat het systeem ook busverbindingen kent) gecorrigeerd worden.

Taalgeneratie

Normaal gesproken wordt bij het onderzoek naar het automatisch genereren van natuurlijke taal een onderscheid gemaakt tussen twee verschillende componenten: een component die bepaalt wat er gezegd moet worden, en een component die bepaalt hoe dit gezegd moet worden. In het geval van taalgeneratie als component van een natuurlijke-taalinterface is de eerste component meestal onderdeel van de component die zorgt voor de dialoogvoering en het raadplegen van de database. Het is vaak zo dat deze ``dialoogvoerder'' een betekenisrepresentatie oplevert waarvoor de taalgeneratiemodule dan een bijbehorende zin moet opleveren. We houden ons hier dus alleen bezig met de hoe component.

In bepaalde opzichten is taalgeneratie het omgekeerde van syntactische en semantische analyse. Bij analyse is de opdracht voor een gegeven zin de relevante betekenisrepresentatie op te leveren; bij generatie is de betekenisrepresentatie al gegeven, maar moet de bijbehorende zin worden teruggevonden. Deze symmetrie leidt ertoe dat soms wel geprobeerd wordt de generatiecomponent gebruik te laten maken van dezelfde grammatica als de analysecomponenten. In dat geval noemt men de grammatica omkeerbaar of reversibel, omdat de grammatica immers in twee richtingen kan worden gebruikt.

Net als bij de syntactische analyse bestaan er vele verschillende generatie algoritmes. En net als bij syntactische analyse kunnen we deze algoritmes karakteriseren aan de hand van:

Een eenvoudige top-down generatieprocedure werkt bijvoorbeeld als volgt. Om deze procedure uit te leggen nemen we even aan dat in elke syntactische regel de categorieën een bijbehorende semantische waarde hebben. Om een zin met een bepaalde semantiek Sem te produceren zoeken we een regel die aan de linkerkant van de pijl de categorie zin/Sem heeft. Vervolgens moeten we dan voor de categorieen rechts van de pijl dezelfde procedure recursief toepassen. Dit doen we net zolang we alleen woorden overhouden: de zin. Het volgende figuurtje illustreert de procedure:

Er zijn ook belangrijke verschillen tussen analyse en generatie. Bij analyse is een belangrijk probleem om ambiguiteiten op te lossen. Bij generatie hebben we dit probleem natuurlijk niet. Wel is het soms zo dat meerdere mogelijke zinnen voor een gegeven semantische structuur mogelijk zijn. In dat geval bestaat er een vergelijkbaar probleem omdat we dan de meest geschikte zin willen genereren. Om te bepalen wat de meest geschikte zin is kunnen we een aantal criteria gebruiken. Het is bijvoorbeeld mogelijk om te proberen ambigue zinnen te vermijden. Die zouden immers gemakkelijk tot misverstanden bij de luisteraar kunnen leiden. Daarnaast kun je je voorstellen dat je wellicht de eenvoudigste zin wilt gebruiken.

Het probleem van robuustheid dat wel bestaat bij analyse heb je niet bij generatie. De reden hiervoor is dat je bij analyse de input niet in de hand hebt (je weet ten slotte nooit wat de spreker zal gaan zeggen). Bij generatie heb je wel invloed op de input: die wordt immers door het systeem zelf gemaakt.

Vanwege de afwezigheid van de ambiguiteits- en robuustheidsproblematiek kun je de generatiecomponent beschouwen als een eenvoudigere component dan de analysecomponent.

Applicaties

Wanneer is een NTI nuttig

Niet ieder computerprogramma kan worden voorzien van een natuurlijke taalinterface, en niet ieder programma zal baat hebben bij een dergelijke interface.

Het ontwikkelen van een NTI valt te overwegen wanneer aan één of meer van de volgende criteria wordt voldaan:

De eerste twee criteria zijn vaak doorslaggevend bij de ontwikkeling van een NTI voor databases die door een grote groep (niet-specialistische) gebruikers bediend moeten kunnen worden.

Het derde criterium is bijvoorbeeld doorslaggevend voor systemen die dia via de telefoon geraadpleegd moeten kunnen worden en voor systemen die bijvoorbeeld in auto's ingebouwd worden (zoals navigatiesystemen).

De laatste twee criteria spelen vooral een rol bij kennis- en expertsystemen. Het geven van uitleg en advies, en het voeren van lange dialogen (bijvoorbeeld om een diagnose te stellen of een probleem op te lossen) is hier essentieel. Natuurlijke taal is hier de meest voor de hand liggende vorm van interactie.

Ontwikkeling van NTI's

Het ontwikkelen van een NTI is in de meeste gevallen een kostbaar en moeizaam proces. Het ontwikkelen van een systeem dat alle aspecten van het voeren van een dialoog in natuurlijke taal goed beheerst, en dat gebruik maakt van de technieken die hiervoor zijn besproken kost zeker vele manjaren. Bovendien zijn garanties voor succes moeijlijk te geven.

Om dit probleem op te lossen wordt in veel projecten de nadruk gelegd op het feit dat men niet een NTI voor één bepaalde applicatie ontwikkeld, maar een algemeen systeem voor het voeren van dialogen in natuurlijke taal. In het ideale geval kan dit systeem gebruikt en hergebruikt worden als interface voor verschillende applicaties. Het aanpassen van een NTI voor een nieuwe applicatie vereist in dit geval voornamelijk een investering in het aanpassen van de taalmodule aan het domein van de applicatie en in het aanpassen van de module die verantwoordelijk is voor de communicatie tussen de NTI en de eigenlijke applicatie.

Daarnaast zijn veel NTI's een compromis tussen datgene wat idealiter vereist wordt van een NTI en datgene wat practisch haalbaar is. Sommige systemen hebben bijvoorbeeld geen of een zeer beperkt besef van context en dialoog, en interpreteren iedere vraag dus apart.

Daarnaast is de syntaxis van sommige systemen erg beperkt. Dit betekent dat een gebruiker alleen de meest eenvoudige en voor de hand liggende zinsconstructies kan gebruiken. Een nadeel van deze aanpak is dat de gebruiker soms eerst moet leren welke zinnen wel en niet geaccepteerd worden. Een belangrijk voordeel van NTI's, namelijk dat ze door gebruikers zonder speciale voorkennis toegankelijk zijn, gaat dan verloren.

Veel systemen vermijden ook het volledig syntactisch en semantisch analyseren van de input van de gebruiker, en volstaan met een ruwe analyse van de input, waarbij vooral gelet wordt op zogenaamde keywords die belangrijk zijn voor de applicatie. De vraag wanneer gaat er een trein van Groningen naar Zwolle bevat bijvoorbeeld de keywords van en naar. De stations die hierna volgen zijn ongetwijfeld de vertrek- en aankomststations die de gebruiker in gedachten heeft. Door alleen deze informatie uit een vraag van de gebruiker te destilleren kan het systeem achterhalen waarnaar ongeveer gevraagd wordt. Soms volstaat dit voor het geven van het juiste antwoord. Het voordeel van deze aanpak is dat de gebruiker veel vrijheid heeft bij het formuleren van een vraag. Het nadeel is dat veel van de informatie in de input verloren gaat. Het voeren van langere dialogen, waarbij het systeem gebruik maakt van contextuele informatie, is met behulp van deze techniek dan ook erg moeilijk.

About this document ...

This document was generated using the LaTeX2HTML translator Version 98.2 beta6 (August 14th, 1998)