Euskarazko errore sintaktikoak detektatzeko eta zuzentzeko ...

50 Erroreak detektatzeko eta zuzentzeko teknikak
egoera-makinak, erregela-sistema formalak, analisi logikoa, probabilitatearen
teoria eta ikasketa automatikoan oinarritutako erremintak dira.
Egoera-makinak eta erregela-sistema formalak fonologiako, morfologiako
eta sintaxiko ezagutza lantzeko tresna nagusiak dira. Sintaxian duten
erabilera III.2.1.2 atalean aztertuko dugu.
Semantika, pragmatika eta diskurtsoarekin lan egitean erabiltzen den
eredu formala analisi logikoa da normalean, baina eremu hauek gure helburuetatik
kanpo geratzen dira.
Probabilitatea da aitatu dugun azken eredu formala. Probabilitatearen
erabilera nagusia anbiguotasun-arazoak ebaztea da eta LNPko arazo gehienak
“sarrera (input ingelesez) anbiguo batentzako N aukera emanda, probabilitate
handienekoa aukeratu” moduan definitu daitezkeenez, oso erabilia
da. Ikasketa automatikoarekin oso lotuta dago probabilitatea. Bi eredu hauek
III.2.2 atalean aztertuko ditugu.
Tekniken eredu formalak aztertu ondoren, oinarrian erabiltzen duten informazio
mota irizpide hartuta, honako sailkapena egin dugu:
1. Hizkuntza-ezagutzan oinarritutako teknikak.
2. Corpusetan oinarritutako teknikak.
Hizkuntza-ezagutzan oinarritutako teknikek, teknika sinboliko izena ere
jasotzen dute. Metodo sinbolikoak honela definitzen dira (Dale, 2000) lanean:
“symbolic methods —where knowledge about language is explicitly
encoded in rules or other forms of representation— ”. Hau da, teknika sinbolikoetan
hizkuntzari buruzko ezagutza erregeletan edo beste adierazpideetan
kodetzen da modu esplizituan. Teknika sinbolikoak oso erabiliak izan dira
azken 40 urteetan, baina mundu errealeko arazoei aplikatzen zaizkienean
hedagarritasunaren arazoa dute.
Arazo honen aurrean, azken 10 edo 15 urteotan corpusetan oinarritutako
teknikek edo teknika enpirikoek hazkunde izugarria izan dute. Horietan,
datu kopuru oso handiak erabiltzen dira (LNPren kasuan corpusak), eta
horiekin batera, estatistikaren inguruko prozedurak. Ezagutza testuetatik
automatikoki erauzi egiten da, erregeletan eskuz kodetu beharrean.
Gaur egun, giza-hizkuntzaren prozesamenduaren gakoa teknika sinboliko
eta enpirikoen konbinazio egokian dagoela onartzen dute ikertzaile gehienek.
III.1 taulan, hizkuntza-ezagutzan oinarritutako tekniken (sinbolikoak)
eta corpusetan oinarritutako tekniken (enpirikoak) arteko desberdintasun
nagusienak adierazten saiatu gara:
Metodo sinbolikoak erabiltzen dituzten teknikak hurrengo atalean aztertuko
ditugu (III.2.1). Enpirikoak, berriz, III.2.2 atalerako utzi ditugu.