Hizkuntzalaritza konputazional

Hizkuntzalaritza konputazionala giza lengoaia ikertu eta aztertzeko informatikaz baliatzen den arloa da. Horretarako, lengoaia naturala modu logikoan modelatzen saiatzen da, ikuspegi konputazional batetik beti ere. Modelaketa hori ez da soilik hizkuntzalaritzarena den atal batean burutzen, bertan hizkuntzalari, informatikari, psikologo eta logikako adituek parte hartu dezaketelarik.

Hizkuntzalaritza konputazional izenarekin ezagutzen dugunari hizkuntzaren prozesamendua ere esaten zaio askotan, hitz biak ia sinonimotzat har daitezke. Batzuetan hizkuntzalaritza konputazionala terminoa lehenesten da hizkuntzalaritzaren ikuspuntua azpimarratzeko, eta hizkuntzaren prozesamendua, aldiz, ikuspuntu teknologikoa azpimarratzeko, baina bereizketa hori ez da zurruna. Bestalde, Ingelesezko Wikipedian Computational_linguistics (Hizkuntzalaritza Konputazionala) kategoriaren barruan Natural Language Processing (Hizkuntzaren prozesamendua) eta Speech Recognition (Hizketaren tratamendua) kategoriak bereizten dira, nonbait hizkuntzaren prozesamendua hizkuntza idatziarekin lotuz, eta hizketaren tratamendua ahozkoarekin, baina gero erabilera mailan Computational linguistics eta Natural Language Processing kontzeptuen arteko bereizketa hori ez dago hain garbi. Euskaraz Hizkuntza naturalaren prozesamendua edota Lengoaia naturalaren prozesamendua ere erabili izan dira aurreko urteetan, baina joera dago azken bi izen horiek baztertzeko, eta hizkuntzaren prozesamenduaren erabilera lehenesteko.

Honako hauek dira hizkuntzalaritza konputazionalaren ikerketa atal batzuk:

• Ordenagailu bidezko corpus linguistikoa.
• Lengoaia naturalentzako aztertzaile sintaktiko (ingelesez, parser) diseinua.
• POS-tagger bezalako etiketatzaile (ingelesez, tagger) baten diseinua.
• Lengoaia naturalen prozesamendurako balioko duten logika espezializatuen definizioa.
• Lengoaia formal eta naturalen arteko erlazio posible baten ikerketa.
• Itzulpengintza automatikoa.

Hizkuntzalaritza konputazionala Ameriketako Estatu Batuetan sortu zen 1950eko hamarkadan, atzerriko hizkuntzetatik ingelesera itzultzeko ordenagailuak izatea helburu nagusi zutelarik, bereziki Errusiako aldizkari zientifikoak oinarri hartuta. 1960ko hamarkadan, adimen artifizialaren sorrerarekin batera, hizkuntzalaritza konputazionala beronen atal bat izatera pasa zen.

Itzulpenak egiteko, bi lengoaien sintaxia ulertu beharra zegoela ohartu ziren, perpaus eta morfologia mailan bederen. Sintaxia ulertzeko, berbategiaren semantika eta lengoaiaren pragmatika ulertu beharra daude. Testuak itzultzeko asmo bezala hasi zen hau, lengoaia naturala prozesatzeko arlo bat izatera pasa zen.

Ikerketa hauek corpusaren hizkuntzalaritza bezala ere ezagutzen dira, konputazional terminoa nahasgarria izan daitekeelako.

Hizkuntzalaritza konputazionala bi azpiarlotan banatuta dago:

Hizkuntzalaritza teorikoa eta ezagutzaren zientzian oinarritzen da. Ezagutzaren psikologiak ere bere garrantzia dauka honetan, psikolinguistikak bereziki. Ondorioz, zientzia berri bat sortu da: psikolinguistika konputazionala.

Bere helburua lengoaiaren funtzionamenduaren azalpena ematea da, maila ezberdinetan izan daitekeelarik: fonetika, morfologia, sintaxia, semantika, pragmatika, eta abar.

Teknologiari zuzenduta dago, eta hori dela-eta ingeniaritza linguistikoa eta giza lengoaiaren teknologia bezalako terminoak ere erabiltzen dira. Baliabide informatikoen bidezko simulazioekin jasotako lengoaiaren jarrerak modu praktikoan aztertzean datza.

Bere helburua lengoaiak (ahozkoa zein idatzizkoa) zeresana duen osaiak dituzten produktu informatikoak sortzea da.

Honako hauek hizkuntzalaritza konputazionalak sortu ditzakeen aplikazio batzuen adibideak dira:

• Aztertzaile sintaktikoa
• Aztertzaile morfologikoa
• Aztertzaile semantikoa
• Lengoaien arteko bihurtzaileak
• Corpus linguistikoa
• Zuzentzaile ortografikoa
• Desanbiguatzaile funtzionala
• Etiketatzailea
• Indizatze motorea

• Hizkuntzaren prozesamendua
• Itzulpengintza automatikoa

• (Ingelesez) Association for Computational Linguistics (ACL)
• (Ingelesez) ACL Anthology of research papers
• (Ingelesez) Language Technology World
• Hizkuntzalaritza konputazionala atala Sareko Euskal Gramatikan (SEG)
• UEUko "Hizkuntzalaritza konputazionala" liburua deskargatu.
• Ixa taldea. EHUko ikerketa taldea.
• HAP masterra. EHU-ko Hizkuntzaren Azterketa eta Prozesamendua masterra.
• Berbatek. Hiru urterako (2009-2011) ikerketa estrategikoko proiektu bat da, eta Elhuyar Fundazioak, EHUko Ixa eta Aholab ikerketa-taldeek eta Vicomtech eta Robotiker teknologia-zentroek osatzen dute proiektu hori gauzatzeko partzuergoa.
• Langune hizkuntzen Industriaren alorreko Euskal Herriko enpresen elkartea da. Elkarte hau 2010an sortu da eta itzulpengintza, edukiak, irakaskuntza eta hizkuntzen teknologiaren alorreko 30 enpresatik gora elkartzen ditu.