Skip to ContentSkip to Navigation
Over onsNieuws en agendaNieuwsberichten

Mining for meaning. The extraction of lexico-semanticknowledge from text

24 juni 2010

Promotie: dhr. T. van de Cruys, 14.45 uur, Academiegebouw, Broerstraat 5, Groningen

Proefschrift: Mining for meaning. The extraction of lexico-semanticknowledge from text

Promotor(s): prof.dr.ir. J. Nerbonne

Faculteit: Letteren

 

Computer kan woordbetekenis uit teksten afleiden

Het is heel goed mogelijk om woorden met een verwante betekenis automatisch uit teksten te halen, blijkt uit het promotieonderzoek van Tim van de Cruys. De context heeft invloed op de soort verwantschap: een nauwe (syntactische) context leidt tot groepen die nauw aan elkaar verwant zijn, terwijl een brede context (alle woorden in eenzelfde zin of paragraaf) woorden groepeert die tot hetzelfde betekenisveld behoren.

Woorden hebben een bepaalde betekenis. Taalgebruikers kunnen die betekenis meestal moeiteloos achterhalen, maar voor een computersysteem is dat een lastige opgave. Van de Cruys onderzocht hoe een computer de betekenis van een woord automatisch uit grote tekstcollecties kan afleiden. Dat gebeurt concreet door de context van woorden (zoals de omringende woorden, of de syntactische relaties van een woord) met elkaar te vergelijken, en zo te bepalen in welke mate woorden op elkaar lijken of van elkaar verschillen. Die informatie stelt de computer in staat om groepen van woorden die semantisch op elkaar lijken volledig automatisch uit teksten te halen.

Een belangrijk gedeelte van Van de Cruys’onderzoek is gewijd aan methodes voor dimensionaliteitsreductie, en de toepassing ervan op taal. Het gebruik van grote tekstcollecties houdt in dat het aantal verschillende contexten al snel oploopt tot enkele honderdduizenden. Met een wiskundige dimensionaliteitsreductie kan de overvloed aan individuele contexten teruggebracht worden tot een beperkt aantal dimensies. Kenmerkend hierbij is dat die dimensies latente semantiek bevatten: de waarde van een woord voor een bepaalde dimensie geeft aan hoe sterk het woord op een bepaald betekenisveld (zoals economie, transport, voedsel) scoort. De databanken die op die manier opgebouwd worden, worden daarna gebruikt in verschillende taalgerichte toepassingen, zoals het ontdekken van versteende uitdrukkingen, het onderscheiden van de verschillende betekenissen van een woord, en de extractie van typische argumenten voor werkwoorden. Van de Cruys toont aan dat een computer met enkele simpele algoritmes woordbetekenis uit teksten kan afleiden, en dat is een belangrijke stap naar een computersysteem dat echt begrijpt wat er in een tekst geschreven staat.

Tim van de Cruys (België, 1982) studeerde artificial intelligence aan de KU Leuven. Hij verrichtte zijn onderzoek bij de afdeling alfa-informatica van de Faculteit der Letteren. Van de Cruys is momenteel postdoctoraal onderzoeker bij INRIA, Institut national de recherche en informatique et automatique (Parijs).

 

Laatst gewijzigd:15 september 2017 15:39

Meer nieuws

  • 20 september 2018

    Martijn Wieling gestart als bijzonder hoogleraar Nedersaksische/Groningse taal en cultuur

    Per 1 juli 2018 is Dr. Martijn Wieling benoemd tot bijzonder hoogleraar Nedersaksische / Groningse Taal en Cultuur. Wieling (Emmen, 1981) is universitair hoofddocent bij de opleiding Informatiekunde aan de Rijksuniversiteit Groningen. Hij gaat gedurende...

  • 11 september 2018

    Van Klokhuis-vraag naar Veni-subsidie

    Als kind was Jorrig Vogels al gefascineerd door taal en vergeleek hij de verschillende woorden voor ingrediënten op verpakkingen. Een jaar terug sleepte de taalonderzoeker een Veni-beurs in de wacht. ‘Taal heeft iets telepathisch: het beeld dat ík in...

  • 11 september 2018

    Eerste biografie van Piet Mondriaans vroege jaren

    Sinds zijn dood in 1944 is er een groot aantal biografieën van Piet Mondriaan verschenen - en zijn er evenzoveel mythes rondom zijn kunstenaarschap ontstaan. Hij zou bijvoorbeeld een minzame asceet zijn, of juist een bon-vivant. De Amerikaanse promovendus...