Parsing

Wat is parsing?

Parsing is het automatisch ontleden van tekst om de structuur ervan te begrijpen. Een parser bepaalt hoe woorden in een zin zich tot elkaar verhouden: wat is het onderwerp, wat is het werkwoord, welke woorden horen bij elkaar. Het resultaat is vaak een boomstructuur (parse tree) die de grammaticale opbouw van de zin weergeeft. Parsing komt voor in taaltechnologie, maar ook in software die bestanden of code moet inlezen.

Hoe werkt het?

Een parser knipt de tekst eerst op in losse woorden of tokens. Daarna bepaalt het systeem per woord de woordsoort en analyseert het de relaties tussen de woorden volgens grammaticale regels of een statistisch model. In de zin “De hond rent snel” herkent de parser bijvoorbeeld dat “de hond” het onderwerp is en “rent” het werkwoord. Klassieke NLP-systemen deden dit met expliciete grammaticaregels; moderne taalmodellen leren deze structuur impliciet uit enorme hoeveelheden tekst, zonder dat er een aparte parser aan te pas komt.

Wat heb je eraan als bedrijf?

Direct met parsers werken doe je als ondernemer zelden, maar je profiteert er dagelijks van. Software die facturen uitleest, e-mails categoriseert of data uit documenten haalt, leunt op parsing. Begrijpen dat een computer tekst eerst moet ontleden voordat hij er iets mee kan, helpt om realistische verwachtingen te hebben van documentverwerking en tekstanalyse.

Gerelateerde begrippen

Parsing hangt nauw samen met part-of-speech tagging (woordsoorten labelen), tokens (de bouwstenen waarin tekst wordt opgeknipt) en syntax tagging. Het is een kernonderdeel van computational linguistics.