sanastoyhteydet

Sanastoyhteydet ovat sanojen välisiä suhteita sanaston sisällä. Ne kuvaavat, miten sanat liittyvät toisiinsa käyttötarkoituksen, merkityksen ja kontekstin kautta. Yleisimpiä yhteyksiä ovat syntagmatic- (yhteydet siinä, miten sanat esiintyvät yhdessä) ja paradigmatic-yhteydet. Syntagmatic yhteydet liittyvät siihen, miten sanat ilmenevät peräkkäin kielessä, esimerkiksi kollokaatit ja vakioilmaukset kuten “korkea määrä” sekä “tiivis yhteistyö”. Paradigmatic yhteydet puolestaan kuvaavat sanojen vaihtuvuutta saman kontekstin sisällä, kuten synonyymit, antonyymit sekä hyperonyymit ja hyponyymit.

Sanastoyhteydet kartoituvat sekä teoreettisesti että käytännössä korpustutkimuksen ja tilastollisten menetelmien avulla. Yleisimmät työkalut ovat yhteisjakauman mittarit, kuten PMI, sekä sanaston upotusten kaltaiset menetelmät, jotka paljastavat sanojen semanttisia läheisyyksiä ja yhteyksiä. Näin voidaan löytää vahvoja kollokaatioita, semanttisia suhteita ja sanaston rakenteen yleisiä lainalaisuuksia.

Sovellukset kattavat kielenoppimisen, sanakirjojen ja oppimateriaaleiden kehittämisen sekä luonnollisen kielen prosessoinnin, hakukoneet ja käännösohjelmistot, joissa sanaston yhteydet parantavat sekä hakutulosten että käännösten laadun. Myös tekoälymallien kielentäly hyötyy sanastoyhteyksien paremmasta mittaamisesta ja mallien kyvystä tunnistaa kontekstuaalisia suhteita.

Haasteisiin kuuluvat polyseemisten sanojen kontekstisidonnaisuus, kulttuuriset erot sekä eri kielten välinen sanastollinen variaatio. Sanastoyhteydet ovat keskeisiä sekä kielellisen ymmärryksen että koneellisen kielenkäsittelyn kannalta.