Datalingvistikk

Datalingvistikk studerer språk fra et databehandlingsperspektiv – modellering, prosessering og generering av naturlig språk ved hjelp av datamaskiner.

Scope

Feltet dekker naturlig språkprosessering (NLP), parsing, maskinoversettelse, taleprosessering samt statistiske og nevrale språkmodeller.

Core questions

• Hvordan kan datamaskiner prosessere og generere menneskelig språk?
• Hvordan kan språklig struktur modelleres beregningsteknisk?
• Hvordan kan språkdata brukes til å lære opp språkmodeller?
• Hvordan gjenkjennes tale og tekst automatisk?

Key concepts

• Naturlig språkprosessering (NLP)
• Parsing
• Maskinoversettelse
• Statistiske språkmodeller
• Talegjenkjenning
• Korpora

Key theories

Statistisk naturlig språkprosessering (NLP)

Manning og Schütze syntetiserte den statistiske, datadrevne tilnærmingen til språkprosessering.

Tale- og språkprosessering

Jurafsky og Martin samlet lingvistiske og beregningstekniske tilnærminger på tvers av tale og tekst.

History

Datalingvistikk beveget seg fra regelbaserte systemer til statistiske metoder (Manning og Schütze; Jurafsky og Martin) og, nyere, nevrale modeller og store språkmodeller som er sentrale i moderne språkteknologi.

Debates

Regelbaserte versus datadrevne tilnærminger

Spørsmålet om språkteknologi best 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

Hva er naturlig språkprosessering (NLP)?

De beregningstekniske metodene for å analysere, forstå og generere menneskelig språk – kjernen i datalingvistikk.