Lemma

Wat is een lemma?

Een lemma is de basisvorm van een woord, zoals je die in het woordenboek vindt. Alle vervoegingen en verbuigingen horen bij hetzelfde lemma: “loopt”, “liep” en “gelopen” horen allemaal bij het lemma “lopen”. In taaltechnologie is het lemma het ankerpunt waarmee een computer al die varianten als één en hetzelfde woord kan behandelen.

Hoe werkt het?

Het terugbrengen van een woordvorm naar zijn lemma heet lemmatisering. Software herkent eerst de woordsoort en de context, en zoekt dan via grammaticale regels en woordenlijsten de juiste basisvorm op. Dat is slimmer dan simpelweg uitgangen afknippen (stemming): lemmatisering weet dat “liep” bij “lopen” hoort, terwijl een stemmer daar niets mee kan. Moderne taalmodellen werken overigens niet meer met expliciete lemma’s maar met tokens; lemmatisering blijft vooral relevant in klassieke tekstanalyse en zoektechnologie.

Wat heb je eraan als bedrijf?

Lemmatisering zorgt ervoor dat een zoekfunctie op je website of intranet ook resultaten vindt als de bezoeker een andere woordvorm gebruikt: wie zoekt op “facturen” vindt ook documenten met “factuur”. Hetzelfde principe helpt bij het analyseren van klantfeedback, waar je alle varianten van een woord wilt meetellen als één begrip. Meestal zit dit kant-en-klaar in zoek- en analysesoftware; je hoeft het zelden zelf te bouwen.

Gerelateerde begrippen

Lemmatisering is een vorm van normalization en wordt vaak vergeleken met stemming. Lemma’s vormen samen een lexicon, en bij het analyseren van woordvormen speelt morphological analysis een rol.