kernreferentieanalyse

Kernreferentieanalyse is een taak binnen de natuurlijke taalverwerking die gericht is op het achterhalen welke uitdrukkingen in een tekst naar dezelfde entiteit verwijzen. Het doel is om alle verwijzingen die naar een enkele entiteit verwijzen te groeperen in clusters, zodat de semantische interpretatie van de tekst verbetert. Dit omvat onder meer persoonlijke voornaamwoorden, naamwoorden en beschrijvende uitdrukkingen die over meerdere zinnen voorkomen.

Het resultaat van kernreferentieanalyse is meestal een set van referentieclustres waarin alle uitdrukkingen die naar dezelfde entiteit verwijzen gebundeld zijn. Dit vergemakkelijkt taken zoals informatie-extractie, samenvatting en vraagbeantwoording doordat de relaties tussen verwijzingen duidelijker zijn. De analyse is vaak een voorwaarde voor een beter begrip van discourse en referentiële relaties in langere teksten.

Historisch gezien werd kernreferentieanalyse vooral met handmatige regels en heuristieken uitgevoerd; moderne systemen maken gebruik van statistische en neurale methoden. Veel benaderingen beginnen met het identificeren van mogelijke verwijzingen (mentions) en koppelen deze aan elkaar via models die leren welke kenmerken indicatief zijn voor dezelfde entiteit. Er bestaan zowel mention-pair modellen als span-based en end-to-end systemen die leren van grote gelabelde corpora.

Datasets en evaluatie spelen een belangrijke rol; gangbare bronnen zijn OntoNotes en CoNLL-onderdelen van relevante shared tasks. Prestaties worden doorgaans gemeten met combinatie-indicatoren zoals MUC, B3 en CEAF, vaak gerapporteerd als een CoNLL-compatibele F1-score.

Toepassingen omvatten verbeterde informatie-extractie, geavanceerde tekstsamenvatting, vraag-antwoordsystemen en algemene tekstbegrip. Uitdagingen blijven pronombreferentie, langeafstandsverbindingen, ellipsen en taal- en genrevariatie.