Algorithms for Linguistic Processing

Het PIONIER project Algorithms for Linguistic Processing van Gertjan van Noord is een onderzoeksproject op het gebied van de computationele taalkunde.

Een van de taken van de taalkunde is het opstellen van modellen voor natuurlijke talen. Het model (grammatica) beschrijft bijvoorbeeld de mogelijke uitingen van het Nederlands en hun bijbehorende betekenis. Zo'n model beschrijft dus (onder andere) de relatie tussen vorm en betekenis. Een belangrijke vraag in de computationele taalkunde is vervolgens hoe je deze relatie algoritmisch kunt bepalen. Hoe kun je voor een gegeven uiting van het Nederlands de bijbehorende betekenis berekenen?

Het PIONIER onderzoek richt zich hierbij op twee fundamentele problemen: ambiguiteit en efficientie. Het probleem van ambiguiteit doet zich voor in zelfs de meest onschuldige zinnetjes:

Mijn vader zagen we niet meer

Het is bijzonder lastig (voor een computer) om te voorkomen dat in dit zinnetje `zagen' wordt begrepen als `zagen met een zaag', terwijl door mensen deze zin normaal gesproken niet als meerduidig wordt ervaren.

Het tweede probleem behelst de efficientie van de verwerking. Voor de modellen die tot nu toe worden opgesteld kan worden aangetoond dat de verwerkingstijd polynomiaal (soms zelfs exponentieel) zou moeten toenemen bij het toenemen van de lengte van de uiting. Dit is echter in tegenspraak met de geobserveerde efficientie van het menselijk taalvermogen.

Het PIONIER project zal de hypothese onderzoeken (die teruggaat op het werk van Chomsky in het begin van de zestiger jaren) dat taalverwerking kan worden gemodelleerd door automaten van een zeer eenvoudig type (``finite-state automaten'') die een gegeven model van de taal slechts benaderen. Zo'n aanpak zou onder andere verklaren waarom uitingen met `center-embedding' en `cross-serial dependencies' snel onbegrijpelijk worden, maar wel als grammaticaal moeten worden beschouwd.