Onderwerpherkenning

Onderwerpherkenning is het proces waarbij de grammaticale onderwerp van een zin of clausule wordt geïdentificeerd. In taalkunde en natuurlijke taalverwerking verwijst het naar het bepalen wie of wat de kernhandeling uitvoert of wie centraal staat in een proposition. In de meeste talen is het syntactische onderwerp het argument dat de persoonsvorm bestuurt of het onderwerp van de handeling aangeeft. In NLP wordt onderwerpherkenning vaak geïntegreerd in syntactische analyse en informatieretrieval, omdat het begrip en de vertaling van zinnen wordt vergemakkelijkt door duidelijke aanduiding van het onderwerp.

Toepassingen van onderwerpherkenning bevinden zich onder meer in automatische vertaling, vraagbeantwoording, samenvatting en informatie-extractie. Moderne systemen gebruiken meestal afhankelijkheidsparseers om relaties tussen woorden vast te leggen, zoals de verbinding tussen een werkwoord en zijn onderwerp (bijv. nsubj-relaties in universal dependencies). Training vindt plaats op geannoteerde corpora, waarin zinnen zijn voorzien van hun syntactische onderwerpsrelaties. Pro-drop talen en zinsconstructies met expletieve onderwerpen brengen extra uitdagingen met zich mee en vereisen aanvullende heuristieken.

Uitdagingen en variatie in onderwerpherkenning komen voort uit vrije woordvolgorde, subvectors en langeafstandszinsdecompositie, evenals verschil tussen syntactisch onderwerp en thematisch onderwerp of discourse-topic. Daarnaast vereist accurate herkenning vaak integratie met coreference- en pragmatiekmodellen om te bepalen welk element in meerdere zinnen als onderwerp geldt. Ondanks deze obstakels blijft onderwerpherkenning een kerncomponent bij de analyse van betekenis en brug tussen syntax en semantiek in talen en systemen.