parsebomen

Parsebomen zijn een grafische representatie van de syntactische structuur van een zin volgens een formele grammatica. In natuurlijke taalverwerking en in de compilerbouw dienen parsebomen als middel om te laten zien hoe een zin of programmalijn volgens regels van een grammatica kan worden afgeleid. Ze vormen een stap in de syntactische analyse die voorafgaat aan semantische verwerking of vertaling.

Er bestaan verschillende typen parsebomen. Constituente (of frasale) bomen geven de hiërarchie van zinsdelen weer, zoals naamwoordgroepen (NP) en werkwoordgroepen (VP). Afhankelijkheidsbomen tonen de relatie tussen woorden: welk woord afhankelijk is van welk ander woord en welke grammaticale functies betrokken zijn. Beide vormen illustreren de structuur van de input, maar leggen de nadruk op verschillende aspecten van de grammatica.

Representatie en formaten variëren. Parsebomen worden vaak voorgesteld als geboomte structuren met een wortelknoop en aflopende takken, of in bracket-notatie. In NLP worden vaak constituency-bomen gebruikt, zoals die uit het Penn Treebank, terwijl afhankelijkheidsbomen gangbaar zijn in moderne taalkundige en NLP-toepassingen, zoals Universal Dependencies.

Toepassingen omvatten onder meer syntactische analyse in natuurlijke taalverwerking, semantische interpretatie, vertaling en informatie-extractie, en syntaxuele controle in programmeertalen tijdens compilatie. Uitdagingen bestaan uit ambiguïteit: een enkele zin kan meerdere geldige parsebomen opleveren. Moderne parsers gebruiken probabilistische of neurale modellen om de meest waarschijnlijke parse te bepalen en te combineren met contextuele informatie.