Azaleko sintaxiaren tratamendua ikasketa automatikoko tekniken ...

Ikasketa automatikoa HPan 15
ziren: desanbiguazio lexikorako edo morfosintaktikorako, egiturazko desanbiguaziorako
(esaldiaren baitako erlazioen ebazpena), azaleko analisi sintaktikorako,
informazioaren eskuratzerako, laburpenen sorkuntza automatikorako,
itzulpen automatikorako. . .
Ezagutza linguistikoa eskuratzeko teknikak, hasiera batean, estatistikan
oinarritu ziren, baina urteen poderioz, ikasketa automatikoko (ML 1 ) teknikak
nagusitu dira. Dena dela, estatistikan eta ikasketa automatikoan oinarritutakoak
bereiztea ez da batere erraza. Izan ere, ikasketa automatikoko teknikak,
oro har, estatistikaz baliatzen dira. Bi tekniken arteko muga lausoa dela esan
daiteke.
Estatistikaz lagundutako teknikak eta ikasketa automatikokoak —biak
ala biak— tratatzen dituzten problemak desanbiguazioko atazak izaten dira
normalean. Beraz, egin beharrekoa zera izaten da, laburbilduz: interpretazio
anitzen artean, testuinguru horretarako zuzena dena aukeratzea (Màrquez,
2002). Kontuan hartu behar da desanbiguazio-arazoak daudela HPko maila
guzti-guztietan (maila lexikoan, sintaktikoan, semantikoan eta pragmatikoan).
Ikasketa automatikoan algoritmo anitz aplikatu izan dira: batetik, ikasketa
sinbolikoko algoritmo klasikoak 2 (erabaki-zuhaitzak, erregelen indukzioa,
adibideetan oinarritutako ikasketa. . . ); bestetik, metodo azpisinbolikoak
(neurona-sareak, algoritmo genetikoak, support vector machines. . . );
hauetaz gain, ikasketa estokastikoa ere erabili izan da, eta ikasketa ez-gainbegiratua
ere bai (clustering 3 delakoa, esaterako).
Ikasketa automatikoaren funtsa ataza jakin batzuk betetzeko ezagutza
eskuratzean datza, betiere ezagutza hori modu —gehiago edo gutxiago— inplizituan
adierazia dakarten datu batzuk baliatuz; hau da, adibide batzuk
baliatzen dira kontzeptu bat ikasteko, domeinu bereko beste adibide batzuetan
kontzeptu berari buruzko iragarpena egiteko (Màrquez, 2002).
1 Machine Learning.
2 Ez nahastu hizkuntzaren ezagutzan oinarritutako hurbilpenekin; teknika sinbolikoak
deitzen zaie horiei ere. Ikasketa sinbolikoko algoritmoak, ordea, ikasketa automatikoaren
familiakoak izanik, bigarren hurbilpenean kokatzen dira: corpusean oinarritutako tekniken
artean, hain zuzen. Sinbolikoak direla esaten da, hizkuntza-ezagutzan oinarritutako
hurbilpenen moduan, eskuratzen den ezagutza gizaki batek ulertzeko modukoa delako
(aurrerago ikusiko dugun moduan).
3 Clustering teknika: ikasketa ez-gainbegiratua egiteko teknika bat da. Ikasketa-corpuseko
instantziak sailkatu gabe ditugunean —euren klasea ezagutzen ez dugunean, alegia—,
instantzia horiek euren arteko zenbait antzekotasunen arabera bil daitezke; horietako multzo
bakoitza klase bat edo cluster bat dela esaten da.