sanalähtöiset

Sanalähtöiset viittaavat lähestymistapoihin, järjestelmiin tai malleihin, joissa etusijalla ovat sanat eli lempeästi sanallinen yksikkö. Termiä käytetään useimmiten kielitieteissä ja luonnollisen kielen käsittelyssä (NLP) kuvaamaan sekä tutkimus- että sovellusalojen käytäntöjä, joissa analyysi, opetus tai tekoälymallit rakentuvat ensisijaisesti sanoista dokumentin tai viestin perusyksikkönä.

Etymologisesti sana koostuu sanoista "sana" ja "lähtöinen" eli lähtökohta on sanojen itsensä tarkastelu, toisin kuin esimerkiksi merkkipohjaiset tai tavupohjaiset menetelmät. Käytännössä sanalähtöisiä lähestymistapoja voidaan soveltaa kirjoitetun kielen analyysiin, käännöksiin, hakuun ja opetukseen, sekä erilaisiin luokittelu- ja palautemekanismeihin.

Sanalähtöisiä malleja ja menetelmiä käytetään sekä kielitieteessä että teknisissä sovelluksissa. Esimerkiksi sanalähtöinen sanakirja- tai morfologinen analyysi tarkastelee sanoja ja niiden muotoja kokonaisuuksina, ja sanalähtöinen kielimalli tuottaa tai luokittelee tekstiä sanojen kontekstin perusteella. Opetuksessa sanalähtöinen lähestymistapa voi painottaa sanavaraston oppimista ja sanojen merkityksiä tutkimalla kokonaisina yksiköinä, verrattuna fonologisiin tai kirjainperusteisiin menetelmiin.

Nykyisessä NLP- ja käsittelevässä tutkimuksessa on kuitenkin usein siirrytty osa- tai subword-tason käsittelyyn (esimerkiksi BPE tai morfeemipohjaiset mallit), mikä heijastaa haasteita sanallisen yksikön ulottuvuuksien kattavuudessa. Sana- ja merkkipohjaisten sekä näiden väliset hybridit ovat erilaisia vaihtoehtoja, joita sovelletaan eri kielille ja tehtäville.

Sanalähtöisyys on siis termi, jota käytetään kuvaamaan sanoihin perustuvia analyysejä, opetusmenetelmiä ja teknisiä ratkaisuja, joissa sanat nähdään kielen analyysin ja toiminnan keskeisenä yksikkönä.