ordbogsbaseret

Ordbogsbaseret er en betegnelse for metoder og systemer i sprogbehandling, der primært bygger på et leksikon eller en ordbog som kilde til oplysninger om ord og deres egenskaber. I modsætning til statistiske eller neurale metoder, der lærer fra store mængder tekstdata, bygger ordbogsbaserede systemer på faste opbygninger og regler udledt fra leksikonet.

Anvendelser omfatter stavkontrol, lemmatisering, morfologisk analyse og semantisk udvinding gennem registre over betydninger og relationer i ordbogen. Metoderne bruges også i computeroversættelse og i digitale ordbøger, hvor konsistens og gennemsigtighed i leksikalsk information er vigtig.

Hvordan det fungerer: systemet foretager opslag i leksikonet for at finde grundform, bøjninger, ordklasser og betydninger. Ofte anvendes også regelbaserede komponenter eller finite-state automater til at udlede affikser og syntaktiske relationer. Når et ord ikke findes i ordbogen, kan systemet falde tilbage på regler eller kombineres med andre metoder i hybridtilgange.

Fordele omfatter gennemsigtighed, forudsigelighed og høj præcision på ordniveau uden behov for store træningsdatasæt. Ulemperne omfatter afhængighed af leksikonets dækning, vanskeligheder med nye ord og slang samt begrænset evne til at fange brugsmønstre udenfor leksikonets registre.

Relation til andre metoder: ofte anvendes ordbogsbaserede komponenter i hybridsystemer sammen med statistiske eller neurale metoder for at forbedre dækning og robusthed i sprogopgaver.