Datalingvistik

Datalingvistik studerer sprog fra et computationelt perspektiv — modellering, behandling og generering af naturligt sprog ved hjælp af computere.

Scope

Feltet dækker naturlig sprogbehandling (NLP), parsing, maskinoversættelse, talebehandling samt statistiske og neurale sprogmodeller.

Core questions

• Hvordan kan computere behandle og generere menneskeligt sprog?
• Hvordan kan sproglig struktur modelleres computationelt?
• Hvordan kan sprogdata bruges til at lære sprogmodeller?
• Hvordan forstås tale og tekst automatisk?

Key concepts

• Naturlig sprogbehandling (NLP)
• Parsing
• Maskinoversættelse
• Statistiske sprogmodeller
• Talegenkendelse
• Korpora

Key theories

Statistisk naturlig sprogbehandling

Manning og Schütze syntetiserede den statistiske, datadrevne tilgang til sprogbehandling.

Tale- og sprogbehandling

Jurafsky og Martin forenede lingvistiske og computationelle tilgange på tværs af tale og tekst.

History

Datalingvistik bevægede sig fra regelbaserede systemer til statistiske metoder (Manning og Schütze; Jurafsky og Martin) og senest til neurale og store sprogmodeller (large language models), der er centrale i moderne sprogteknologi.

Debates

Regelbaserede versus datadrevne tilgange

Hvorvidt sprogteknologi bedst bygges på lingvistiske regler eller læres fra data.

Key figures

• Christopher Manning
• Hinrich Schütze
• Daniel Jurafsky
• James Martin

Seminal works

• manning-schutze-1999
• jurafsky-martin-2000

Frequently asked questions

Hvad er naturlig sprogbehandling (NLP)?

De computationelle teknikker til at analysere, forstå og generere menneskeligt sprog — kernen i datalingvistik.