ordbaserat

Ordbaserat är ett svenskt adjektiv som beskriver något som bygger på ord som grundläggande enheter. Ordet kommer från ord och baserat, och används bland annat inom språkvetenskap och språkteknologi för att ange att analys, modellering eller sökning sker huvudsakligen med ord som enheter, i motsats till teckenbaserade eller subordbaserade tillvägagångssätt.

I lingvistik och naturlig språkbehandling (NLP) används ordbaserade metoder när texten behandlas som ordsekvenser, där ord fungerar som byggstenar för analys, tokenisering och representation. Fördelarna inkluderar tydlig tolkning och ofta bättre hantering av morfologi i språk med relativt tydlig ordföljd. Nackdelarna är att vokabulären kan bli mycket stor, ord böjs i olika former och sammansättningar skapar utmaningar, samt out-of-vocabulary-problem vid nya ord eller okända kombinationer.

Begreppet används också inom informationssökning och sökmotorer för att beskriva indexering och sökningar som bygger på ordbaserade enheter snarare än teckensträngar eller mindre enheter. Begreppet står ofta i kontrast till teckenbaserade eller subordbaserade metoder. Relaterade termer inkluderar ordtokenisering, ordindexering och subordbaserade modeller.