Vorwort - Fritz Thyssen Stiftung

Seite 132
GESCHICHTE, SPRACHE UND KULTUR
zur Bildung extensionaler, empirisch fundierter Klassen natürlichsprachiger
Daten. Die Klassenbildung operiert auf unterschiedlichen
Ebenen. Sie geht von der Ebene der Morpheme aus, die automatisch
durch ein valides Segmentierungsverfahren gewonnen werden und
operiert dann rekursiv auf höheren linguistischen Ebenen. Dabei
werden zur hierarchischen Strukturierung Operator-Operand-Strukturen
gebildet. Die Anwendung dieser selbstlernenden Analysetechniken
ist eine Alternative zur rechnergestützten Analyse sprachlicher
Strukturen mit klassischen Parsern, deren Steuerinformationen
manuell erstellt werden müssen.
Eine weitere SEMALD-Komponente ist die GaphEngine. Sie setzt
auf dem Segmentierungsverfahren des DistributionalClassifiers auf
und versucht, in dem in Morpheme zergliederten Eingabetexten Paradigmen
zu erkennen, zu gruppieren und zu hierarchisieren. Jeder
Satz aus einem Textkorpus wird in einen Graphen überführt, dessen
Knoten Wörter repräsentieren und dessen Kanten Positionen kodieren.
Die GraphEngine-Komponente beginnt nun, den konstruierten
Graphen zu komprimieren, indem durch paarweise Pfadvergleiche
ähnliche Sätze erkannt und verschmolzen werden. Unterschiede
zwischen zwei Pfaden werde dabei als zwei in paradigmatischer
Relation stehende Konstituenten interpretiert und als Hypothese anstelle
der Konstituenten in den Graph integriert. Die Graphen bilden
dann syntaktische Informationen ab und können zunächst in ein
Rekursives Übergangsnetzwerk und anschließend in ein Erweitertes
Übergangsnetzwerk überführt werden. Netzwerke dieser Art sind
äquivalent zu formalen Grammatiken. Daher ist die automatische
Erzeugung solcher Netzwerke der automatischen Rekonstruktion
von Grammatiken für natürliche Sprachen gleichzusetzen. Diese
Transformationen bilden die Grundoperationen zur Entwicklung eines
selbstlernenden syntaktischen Parsers.
Die fortgesetzte und kombinierende Anwendung dieser und weiterer
datengetriebener, induktiver Methoden auf allen linguistischen
Ebenen ist eine Voraussetzung für eine selbstorganisierende Semantik.
Sie steht – holistisch vorgehend und wegen der Größe und der
Kombinierbarkeit der Daten auf informationstechnologische Werkzeuge
angewiesen – im Gegensatz zum üblichen linguistischen Vorgehen.
Im traditionellen linguistischen Vorgehen können spezifische
linguistische Modelle lediglich Teilaspekte im händischen linguistischen
Modellieren abbilden. Damit aber lassen sich semantische
Systeme in ihrer Komplexität und Dynamik nicht erfassen. Dies zeigt
sich dann auch im Scheitern maschineller Sprachverarbeitung. Die
Ergebnisse des Projekts Selbstorganisierende Semantik sind hingegen
nach 18 Monaten der Projektlaufzeit vielversprechend. Als
erfreulicher und nachhaltiger Seiteneffekt des Projekts konnte mit
SEMALD softwaremäßig eine Infrastruktur geschaffen werden, die
auch zukünftig die Übertragung semantischer Informationsverarbeitung
empirisch gesichert auf weitere Sprachen ermöglicht.