Orð og tunga - 01.06.2012, Blaðsíða 30

20
Orð og tunga
upplýsingum sem tengja þessi orð þannig að merkingin Jinefaleikar'
sé valin en ekki merkingin ,kassi' fyrir orðið box. Slík greining er
nauðsynleg til að mynda fyrir upplýsingaheimt sem miðar að því að
greina efni fyrirspurna og texta og skila notanda efni sem er líklegt til
þess að fela í sér svör við fyrirspurn hans.
Með hugtakinu tölvutækur er hér átt við að unnt sé að nýta gögnin
við hugbúnaðargerð, að þau séu á formi sem hugbúnaður geti lesið
og túlkað. Engin slík gögn með merkingarupplýsingum orða eru til
fyrir íslensku. Þau íslensku orðabókargögn sem er að finna á vefnum,
vefbókasafnið Snara1 og Islenskt orðanet (sjá grein Jóns Hilmars Jóns-
sonar (2012) í þessu hefti), eru á tölvutæku formi í þeim hefðbundna
skilningi að tölva getur lesið og sýnt gögnin en þau eru ekki hönnuð
með það fyrir augum að hugbúnaður geti túlkað innihald þeirra. Með
túlkun er hér átt við að hugbúnaður geti fengið svör við spurningum
eins og t.d. Hvaða orð tengjast orðinu box? Hvað hefur orðið fugl margar
merkingar? Hvaða merkingarsviði tengist orðiðgjaldmiðill? Himða orðeiga
það sameiginlegt að hafa eiginleikann ,soðinn'? og unnið svo með svörin
til þess að leysa það verkefni sem honum er ætlað.
Mikilvægt skref í áframhaldandi þróun gagna og tóla fyrir íslenska
máltækni er því að til verði gagnagrunnur með merkingarupplýsing-
um um íslensk orð. Þegar þetta er skrifað er þróun slíks gagnagrunns
vel á veg komin. Hann hefur hlotið nafnið MerkOr — íslenskur merk-
ingarbrunnur, til aðgreiningar frá íslensku orðaneti, og er væntanlega
orðinn aðgengilegur nú (2012) í frumútgáfu2.
Fjölmörg orðanet hafa verið byggð um allan heim að fyrirmynd
Princeton WordNet, orðanets fyrir ensku (Fellbaum 1998; sjá einnig
grein Matthew Whelpton (2012) í þessu hefti). Það hefur verið þýtt
(hálf-) sjálfvirkt eða handvirkt á ýmis mál (sjá t.d. Fernández-Montra-
veta, Vázquez & Fellbaum 2008 og Lindén & Carlson 2010) og einnig
hefur uppbygging þess verið lögð til grundvallar orðanetum sem
byggjast á einmála nálgun (Pedersen et al. 2009). Við upphaf verk-
efnisins sem hér er kynnt var einmála nálgun valin þannig að þar eru
íslensk gögn grundvöllur merkingarbrunnsins en ekki enska orða-
netið.
Það er gífurlega tímafrekt og krefst mannafla að vinna orðanet
1 http://snara.is
2 Verkefniö er doktorsverkefni greinarhöfundar. Aðrir þátttakendur í því eru Dr.
Matthew Whelpton sem aðalleiðbeinandi og verkefnisstjóri og Kristín Bjarnadóttir
sem sérfræðingur og ráðgjafi. Það er hluti af verkefni sem hlaut Öndvegisstyrk
RANNIS árið 2009, Hagkvæm máltækni utan cnsku - íslcvska tilraunin.