Orð og tunga - 08.07.2019, Síða 173

Steinþór Steingrímsson: Risamálheildin 161
hefur þann kost vefsins að geyma gífurlegt og fjölbreytt textamagn en
er laus við þá ókosti sem að framan eru taldir.
2.2 Málheild fyrir máltækni
Risastórt rafrænt textasafn er grunnforsenda þess að hægt sé að
smíða ýmis máltækniverkfæri með þeim aðferðum sem skilað hafa
best um árangri síðastliðin ár. Textasafnið er þá notað til að smíða
mál líkön sem geta sagt til um tíðni stafa og stafasambanda, tíðni
ein stakra orða, orðasambanda og heilla setninga. Í talgreiningu eru
mál líkön nauðsynleg til að hægt sé að meta líkindi á því að tilteknar
hljóð bylgjur standi fyrir tiltekið orð eða orðastreng. Sams konar mál-
líkön eru nýtt við gerð talgervla. Tíðniupplýsingar sem fást úr stór um
textasöfnum eru nauðsynlegar til að hægt sé að velja rétta fram burð-
inn þar sem ritmyndin gefur ekki ótvíræðar vísbendingar. Mál líkön
af þessu tagi eru einnig mikilvæg við rannsókna- og þró un ar starf á
sviði vélrænnar málfræði- og setningagreiningar en með töl fræði legri
greiningu á miklu textamagni er hægt að velja með meira öryggi en
ella milli mismunandi greiningarmöguleika. Grein ing af þessu tagi
hefur sjálfstætt fræðilegt gildi, en nýtist síðan í ýms um hag nýt um
verkefnum, t.d. gerð leiðréttingarhugbúnaðar og við þróun þýð ing-
arvéla.
2.3 Málheild fyrir menntun
Risastórt stafrænt textasafn gefur stúdentum í málfræði tækifæri til að
kynnast megindlegum rannsóknum á ýmsum sviðum málfræðinnar.
Við notkun þess fá þeir þjálfun í tölfræðilegri úrvinnslu á niðurstöð-
um úr skipulegri leit og textagreiningu en það gerir þeim einnig kleift
að gera margvíslegar sjálfstæðar rannsóknir sem þeir hefðu ekki haft
möguleika á að gera ella. Það er líka mjög mikilvægt fyrir nem endur
í máltækni, eða nemendur í tölvunarfræði sem vinna með texta gögn,
að hafa hentug íslensk gögn til að þjálfa sig á, t.d. til að vinna upp-
lýsingar úr þeim eða greina á ýmsan hátt.
3 Gagnasöfnun og vinnsla
Vinna við verkefnið hófst haustið 2015 eftir að hafa fengið 4.950
tunga_21.indb 161 19.6.2019 16:56:18