Lausekattavuudella

Lausekattavuudella on käsite, jota käytetään kielitieteessä ja luonnollisen kielen käsittelyssä kuvaamaan tekstin tai kokoelman lauseiden kattavuutta. Se viittaa siihen, kuinka suurta osaa tekstin lauseista on mahdollista löytää, tunnistaa tai esittää annetussa kontekstissa, kuten tiivistelmässä, käännöksessä tai annotaatiossa.

Määritelmä ja mittaaminen

Lausekattavuus voidaan määritellä suhteellisena määränä: lauseiden määrä, jotka ovat edustettuina kohdetekstissä, jaettuna alkuperäisten lauseiden kokonaismäärällä. Edustus voi tarkoittaa täsmällisiä lauseita, semanttisesti samankaltaisia tai muuten tunnistettavia vastineita. Mittaus voidaan toteuttaa eri tasoilla, esimerkiksi sanallisen, syntaktisen tai semanttisen representaation perusteella. Tuloksena saadaan arvopiste, usein 0–1 tai prosenttiaste.

Sovellukset

Lausekattavuutta käytetään muun muassa tekstin tiivistelmien, käännösten ja annotaatioiden laadun arvioinnissa. Tiivistelmien kohdalla se kertoo, kuinka kattavasti alkuperäisen tekstin ideat ja lauseet ovat välitetty tiivistelmässä. Käännöksissä se kuvaa, kuinka monta alkuperäisen tekstin lauseesta on edustettuna vastaavalla lauseella kohdekielessä. Se voi toimia myös data-annotaatioiden täydellisyysmittarina.

Haasteet

Kattavuuden mittaaminen kohtaa haasteita lauseiden segmentoinnissa, parapraasissa, ellipsissä ja monilauseisissa rakenteissa. Eri kirjoitustyylit sekä käännösten tai tiivistelmien epälineaariset suhteet voivat johtaa alhaisempaan laskennalliseen kattavuuteen, vaikka sisällöt olisivat olennaisesti edustettuina.

Esimerkki

Jos 10 lauseen artikkelista tiivistelmä sisältää 6 lauseesta olennaiset, lausekattavuus on 0,6 eli 60 prosenttia. Tämä antaa yleiskuvan siitä, kuinka tiivistelmä heijastaa lähdetekstiä lauseiden tasolla.

Lausekattavuus liittyy muihin tekstinarvioinnin mittareihin, kuten kattavuuteen ja tarkkuuteen sekä ROUGE-tyyppisiin menetelmiin, ja sitä voidaan soveltaa monenlaisissa kieli- ja tekstityöstötilanteissa.