lexicongebaseerde

Lexicongebaseerde, in het Nederlands vaak aangeduid als lexicon-based, verwijst naar een methode in taalkunde en natuurlijke taalverwerking waarbij tekstinterpretatie en -analyse worden uitgevoerd met behulp van een vooraf samengesteld lexicon. Een lexicon is een woordenboekachtige databank waarin woorden of zinsdelen zijn gekoppeld aan kenmerken zoals betekenissen, categorieën, morfologie, synoniemen, entiteiten of sentiment. Bij een lexicongebaseerde aanpak worden tekstfragmenten vergeleken met de informatie in het lexicon en worden regels of eenvoudige wiskundige scores toegepast om tot een output te komen, bijvoorbeeld een sentimentclassificatie of een semantische label.

Toepassingen bevinden zich vooral in sentimentanalyse, waar woorden en uitdrukkingen met positieve of negatieve polariteit worden geteld of gewogen; in woordbetekenisontleding en semantische tagging; en in named entity recognition wanneer lexiconinformatie helpt om entiteitsklassen te bevestigen. De aanpak is doorgaans transparant en interpreteerbaar: de redeneerlijn kan worden getraceerd tot specifieke woorden of regels.

Een belangrijk voordeel is de soms lagere behoefte aan grote getrainde datasets en de mogelijkheid om vrij snel domeinspecifieke lexicons aan te passen. Nadelen zijn beperkte dekking en grammaticale variatie, contextafhankelijkheid en polysemie, waardoor zonder aanvullende contextuele componenten misinterpretaties kunnen optreden. Daarom wordt vaak gekozen voor hybride systemen die lexiconinformatie combineren met statistische of machine learning-methoden, zodat de sterke punten van beide benaderingen benut worden.