ordnærhet

Ord­nærhet er et lingvistisk begrep som beskriver hvor tett ord står i forhold til hverandre i en tekst. Begrepet brukes både for å beskrive bokstavelig nærhet i ordrekkefølgen og for å indikere en semantisk eller funksjonell tilknytning mellom ord. I tekstanalyse kan ordnærhet derfor være en indikator på hvor sterk en assosiasjon mellom to ord er, eller hvor godt et ord passer inn i en nær kontekst.

Måling av ordnærhet skjer vanligvis gjennom to tilnærminger. Den første er vindusbasert, hvor man teller co-forekomster innenfor et bestemt antall ord rundt et målord (for eksempel et vindu på ±5 ord). Med disse tallene beregnes statistiske mål som pointwise mutual information (PMI), Dice-koeffisient og Jaccard-indeks. Den andre tilnærmingen bruker lingvistiske eller ikke-parametriske representasjoner, som ordvektorer. Her måles semantisk nærhet gjennom cosinuslikhet mellom ordvektorer eller mellom en kontekstvektor og et ord.

Bruksområder inkluderer kartlegging av kollokasjoner og faste uttrykk, utvikling av leksikon og ordbøker, informasjonsinnhenting og søkemotoroptimalisering, samt forbedringer i maskinoversetting og tekstgenerering. Viktige forhold å merke er at målingen av ordnærhet avhenger av korpustetthet og domene, valgte vindusstørrelser og språklige egenskaper som polysemi og ordrekkefølgets fleksibilitet. Relaterte begreper er kollokasjoner, semantisk nærhet og kontekstuell nærhet.