Dependency parsing is een techniek voor natuurlijke taalverwerking die de grammaticale structuur van een zin weergeeft als afhankelijkheden tussen woorden. Elk woord is gekoppeld aan een overheersend woord, bijvoorbeeld onderwerp en lijdend voorwerp aan het werkwoord: in ‘De klant bestelt twee lampen’ zijn ‘klant’ en ‘lampen’ afhankelijk van ‘bestelt’. Dit helpt bij informatie-extractie, bijvoorbeeld om te achterhalen wie wat heeft gedaan.
Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.
Demo startenWoordsoortlabeling wijst elk woord in een zin automatisch zijn grammaticale categorie toe, zoals zelfstandig naamwoord, werkwoord, bijvoeglijk naamwoord of voorzetsel. Omdat veel woorden meerduidig zijn (“lang” als bijvoeglijk naamwoord of als bijwoord, “zoek” als werkwoordsvorm of als zelfstandig naamwoord), houden de methoden rekening met de zinscontext. POS-tagging is een klassieke voorbewerkingsstap voor ontleden, informatie-extractie of spellingcontrole en wordt aangeboden door bibliotheken als spaCy en NLTK.
Natuurlijke taalverwerking is het deel van AI dat computers in staat stelt menselijke taal in tekst of spraak te analyseren, te begrijpen en te genereren. Het omvat taken als vertalen, classificeren, samenvatten, sentimentanalyse en vraagbeantwoording. Vroeger domineerden regels en statistische methoden; tegenwoordig wordt het vakgebied bepaald door grote taalmodellen.
spaCy is een open-source Python-bibliotheek voor natuurlijke taalverwerking, ontwikkeld door het Berlijnse bedrijf Explosion. Ze splitst teksten in woorden en zinnen, bepaalt woordsoorten en grondvormen, analyseert de zinsbouw en herkent benoemde entiteiten zoals personen, bedrijven of plaatsen. Voor veel talen, waaronder Duits, zijn vooraf getrainde modellen beschikbaar. spaCy is ontworpen voor snelheid en voor gebruik in echte toepassingen, bijvoorbeeld om grote hoeveelheden documenten voor te bewerken.
Coreferentieresolutie is een taak binnen natuurlijke taalverwerking waarbij wordt vastgesteld welke uitdrukkingen in een tekst naar dezelfde persoon, zaak of kwestie verwijzen. In “Mevrouw Weber belde. Ze wil graag teruggebeld worden” moet het systeem begrijpen dat “ze” mevrouw Weber betekent. Dit is van belang voor samenvattingen, informatie-extractie en chatbots die verwijzingen over meerdere zinnen of gespreksbeurten moeten bijhouden.
