Dependenz-Parsing ist ein Verfahren der Sprachverarbeitung, das die grammatische Struktur eines Satzes als Abhängigkeiten zwischen Wörtern darstellt. Jedes Wort wird einem übergeordneten Wort zugeordnet, etwa Subjekt und Objekt dem Verb: Im Satz „Der Kunde bestellt zwei Lampen“ hängen „Kunde“ und „Lampen“ von „bestellt“ ab. Das hilft unter anderem bei der Informationsextraktion, etwa um zu erkennen, wer was getan hat.
Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.
Demo startenBeim Wortarten-Tagging (Part-of-Speech-Tagging) erhält jedes Wort eines Satzes automatisch seine grammatische Kategorie, etwa Nomen, Verb, Adjektiv oder Präposition. Weil viele Wörter mehrdeutig sind – „Bank“ als Möbel oder Geldinstitut, „laufen“ als Verb oder substantiviert –, berücksichtigen die Verfahren den Satzzusammenhang. POS-Tagging ist ein klassischer Vorverarbeitungsschritt, etwa für Satzanalyse, Informationsextraktion oder Rechtschreibprüfung, und wird von Bibliotheken wie spaCy oder NLTK angeboten.
Die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) ist das Teilgebiet der KI, das Computern ermöglicht, menschliche Sprache in Text oder Sprache zu analysieren, zu verstehen und zu erzeugen. Es umfasst Aufgaben wie Übersetzung, Klassifikation, Zusammenfassung, Stimmungsanalyse und Frage-Antwort-Systeme. Früher dominierten Regeln und statistische Verfahren, heute prägen große Sprachmodelle das Feld.
spaCy ist eine quelloffene Python-Bibliothek für die Verarbeitung natürlicher Sprache, entwickelt vom Berliner Unternehmen Explosion. Sie zerlegt Texte in Wörter und Sätze, bestimmt Wortarten und Grundformen, analysiert Satzstrukturen und erkennt benannte Entitäten wie Personen, Firmen oder Orte. Für viele Sprachen, darunter Deutsch, gibt es vortrainierte Modelle. spaCy ist auf Geschwindigkeit und den Einsatz in echten Anwendungen ausgelegt, etwa zur Vorverarbeitung großer Dokumentenmengen.
Koreferenzauflösung ist eine Aufgabe der Sprachverarbeitung, bei der erkannt wird, welche Ausdrücke in einem Text dieselbe Person, Sache oder denselben Sachverhalt bezeichnen. Im Satz „Frau Weber rief an. Sie bittet um Rückruf“ muss das System verstehen, dass „Sie“ Frau Weber meint. Das ist wichtig für Zusammenfassungen, Informationsextraktion und Chatbots, die über mehrere Sätze oder Gesprächsrunden hinweg den Bezug behalten müssen.
