Wenn Computer gesprochene Wörter erkennen oder Sätze übersetzen, verarbeiten sie menschliche Sprache. Auch das Herausfiltern von Namen aus Nachrichtentexten gehört dazu. Die Computerlinguistik verbindet Sprachwissenschaft und Informatik. Sie untersucht, wie Computer Sprache analysieren und erzeugen, und entwickelt dafür Modelle und Programme.
Zu ihren Aufgaben gehören das Erkennen von Satzstrukturen, die Verarbeitung gesprochener Sprache und das Auffinden von Informationen in Texten. In der Praxis greifen diese Aufgaben oft ineinander.
Sätze strukturell analysieren
Beim Parsing zerlegt ein Computer einen Satz in seine grammatischen Bestandteile. Er ermittelt zum Beispiel, welche Wörter eine Gruppe bilden und wie diese Gruppen zusammenhängen. Im Satz „Der Hase läuft“ kann ein Parser „Der Hase“ als Nominalgruppe, also als Wortgruppe mit einem Nomen als Kern, und „läuft“ als Verb erkennen.
Anhand dieser Struktur kann ein Programm zum Beispiel bestimmen, wer eine Handlung ausführt. Schwieriger wird es, wenn mehrere Analysen möglich sind. Dann vergleicht der Parser die möglichen Strukturen. Sprachliche Regeln und der Kontext helfen ihm zu entscheiden, welche am besten passt.
Sprache erkennen und erzeugen
Sprachverarbeitung umfasst Aufgaben mit gesprochener und geschriebener Sprache. Bei der Spracherkennung wandelt ein Computer Gesprochenes in Text um. Sagt jemand „Spiel mir Musik vor“, muss ein Sprachassistent zunächst die Wörter erkennen und anschließend die gewünschte Aktion ableiten.
Andere Aufgaben laufen in die Gegenrichtung: Sprachsynthese wandelt geschriebenen Text in gesprochene Sprache um. Übersetzungsprogramme übertragen Text von einer Sprache in eine andere, während Dialogsysteme auf Äußerungen reagieren. Diese Anwendungen können unterschiedliche sprachliche Schritte verbinden, etwa Wörter erkennen, einen Satz analysieren und eine passende Antwort ausgeben.
Informationen in Texten finden
Computerlinguistik hilft auch dabei, große Textmengen zu durchsuchen und wichtige Angaben herauszufiltern. Eine Suchfunktion findet Dokumente, die zu einer Anfrage passen. Ein System zur Informationsextraktion sucht dagegen gezielt nach Angaben im Text und erfasst zum Beispiel Namen, Orte, Ereignisse und Beziehungen.
Steht in einer Meldung, dass Firma A Firma B übernommen hat, kann ein solches System die beiden Firmennamen und die Beziehung „Übernahme“ erfassen. Bei einem Bericht über ein Erdbeben könnte es gezielt Ort, Zeitpunkt und Stärke herausziehen. Das Programm muss dafür die relevanten Angaben erkennen. Es muss den Text nicht so verstehen wie ein Mensch.
Regeln und Sprachdaten nutzen
Computerlinguistische Programme arbeiten mit unterschiedlichen Methoden. Regelbasierte Programme folgen ausdrücklich formulierten Regeln, etwa dazu, wie Wörter im Satz zusammenhängen. Datengetriebene Programme lernen Muster aus Beispielen von Sprache. Viele Ansätze verbinden beide Methoden.
Welche Methode passt, hängt von der Aufgabe und den verfügbaren Sprachdaten ab. Ein Parser muss zum Beispiel Satzstrukturen erschließen, während eine Suchfunktion zunächst passende Dokumente anhand ihrer Inhalte finden kann; die Aufgaben brauchen daher nicht immer dieselbe Tiefe der sprachlichen Analyse.
Computerlinguistik und NLP
Computerlinguistik und „Natural Language Processing“, kurz NLP, bezeichnen eng verwandte Bereiche, die sich mit der rechnergestützten Verarbeitung menschlicher Sprache befassen. Die Begriffe werden nicht überall gleich abgegrenzt. Häufig steht bei der Computerlinguistik stärker die wissenschaftliche Frage im Vordergrund, wie Sprache funktioniert. NLP bezeichnet oft stärker die Entwicklung praktischer Sprachprogramme.
Die Grenze ist fließend: Wer ein Modell für Satzstrukturen entwickelt, kann damit zugleich eine konkrete Anwendung verbessern. Und ein Sprachprogramm kann wiederum zeigen, welche sprachlichen Probleme ein Modell noch nicht gut abbildet.