Semantic Space of Parts of Speech
Dit artikel daagt de traditionele visie op woordsoorten als scherpe categorieën uit door gebruik te maken van word2vec-embeddings en neurale netwerken om woorden in een driedimensionale semantische ruimte te mappen, waarbij de inherente vaagheid en grensbereikrelaties tussen woordsoorten over vijf talen worden onthuld.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Taal wordt vaak onderwezen als een systeem van nette hokjes. We leren dat een woord óf een zelfstandig naamwoord, óf een werkwoord, óf een bijvoeglijk naamwoord is, en dat het slechts tot één van deze categorieën tegelijk behoort. Deze scherpe categorisering helpt ons bij het opstellen van woordenboeken en het onderwijzen van grammatica, maar het komt niet altijd overeen met de rommelige realiteit van hoe woorden daadwerkelijk werken. Sommige woorden voelen alsof ze op twee plaatsen tegelijk horen, of ze bevinden zich precies op de grens tussen categorieën, waarbij ze weigeren om vastgelegd te worden. Linguïsten vermoeden al lang dat deze grenzen vaag zijn, maar het bewijzen ervan is moeilijk gebleken omdat traditionele methoden steunen op menselijke oordeelsvorming en rigide regels. Nu heeft een team onderzoekers van de Charles Universiteit in Praag en de Universiteit van Potsdam in Duitsland een andere aanpak gebruikt om deze onzekerheid in kaart te brengen. Ze vroegen mensen niet om te beslissen waar woorden thuishoren; in plaats daarvan lieten ze de woorden voor zichzelf spreken door te analyseren hoe ze zich gedragen in miljoenen zinnen.
De onderzoekers begonnen met een simpel idee: woorden die in vergelijkbare situaties voorkomen, hebben de neiging om een vergelijkbare betekenis te hebben. Dit concept, bekend als distributionele semantiek, suggereert dat als je kijkt naar het gezelschap dat een woord houdt, je kunt begrijpen wat het is. Bijvoorbeeld: een woord dat vaak naast "de" en "groot" verschijnt, is waarschijnlijk een zelfstandig naamwoord, terwijl een woord dat volgt op "zal" of "kan" waarschijnlijk een werkwoord is. Computers kunnen deze patronen omzetten in wiskundige kaarten, waarbij elk woord een punt is in een enorme ruimte. Hoe dichter twee punten bij elkaar liggen, hoe meer de woorden in gebruik overeenkomen. Het team ging een stap verder door een computer te vragen om de regels van woordsoorten op eigen wijze te leren. Ze voerden de computer een enorme collectie tekst in vijf verschillende talen: Frans, Tsjechisch, Fins, Russisch en Engels. De computer kreeg de woorden en hun standaardlabels, en kreeg de opdracht om de verborgen patronen te vinden die hen met elkaar verbinden.
Om de complexe data begrijpelijk te maken, bouwden de onderzoekers een speciaal soort computerprogramma, een neuraal netwerk, dat ontworpen is om alle informatie samen te persen in slechts drie dimensies. Stel je een kamer voor gevuld met duizenden zwevende stippen, die elk een woord vertegenwoordigen. In de geest van de computer bestaan deze stippen in een ruimte met honderden richtingen, wat onmogelijk is voor een mens om te zien. De onderzoekers dwongen de computer om deze ruimte plat te drukken tot een vorm die we daadwerkelijk kunnen visualiseren: een driedimensionale kaart. Op deze kaart plaatste de computer de woorden op basis van hoe vergelijkbaar ze zijn in betekenis en gebruik. Het resultaat was geen lijst met regels, maar een landschap. In dit landschap vormden de meest voorkomende soorten woorden duidelijke clusters, of "tentakels", die uit een centraal punt naar buiten reikten.
Toen de onderzoekers naar deze kaarten keken, zagen ze dat de traditionele categorieën zelfstandige naamwoorden, werkwoorden en bijvoeglijke naamwoorden inderdaad de sterkste groepen waren. In elke taal die ze bestudeerden, vormden deze drie groepen duidelijke, afzonderlijke vormen. De ruimte tussen hen was echter niet leeg. De onderzoekers ontdekten dat veel woorden niet strikt binnen één tentakel zaten, maar juist in de ruimte waar de vormen elkaar raakten of overlapten. In het Frans bijvoorbeeld bevonden woorden die zowel werkwoorden als bijvoeglijke naamwoorden kunnen zijn, zoals "vergeten" (forgotten), zich precies op de grens tussen de werkwoord- en de bijvoeglijke naamwoordgroep. In het Engels bevonden woorden die zowel zelfstandige naamwoorden als werkwoorden kunnen zijn, zoals "lachen" (laugh) of "zorgen" (care), zich op de plek waar de tentakels van zelfstandige naamwoorden en werkwoorden in elkaar overvloeien. Dit bevestigde dat de vaagheid die linguïsten vermoedden, echt en meetbaar is. De woorden die de meeste verwarring veroorzaken voor de traditionele grammatica, zijn de woorden die van nature in deze overgangszones leven.
De studie onthulde ook verrassende details over specifieke talen. In het Russisch merkten de onderzoekers op dat korte vormen van bijvoeglijke naamwoorden, die worden gebruikt om een toestand te beschrijven zoals "de man is jong", dichter bij werkwoorden clusterden dan bij andere bijvoeglijke naamwoorden. Dit is logisch, omdat deze korte vormen in de Russische grammatica vaak de belangrijkste handeling van een zin vormen. In het Fins, een taal met een heel andere structructuur dan de andere, toonde de kaart aan dat bijwoorden geen eigen onderscheidende groep vormden, maar verspreid lagen tussen de andere categorieën. Dit suggereert dat in het Fins de lijn tussen een bijwoord en andere woordsoorten veel minder duidelijk is dan in het Engels of Frans. Zelfs in talen waar de regels strikt lijken, toonden de gegevens aan dat woorden vaak afwijken afhankelijk van hoe ze worden gebruikt.
Een van de meest opvallende bevindingen was dat telwoorden, of getallen, vaak een eigen aparte groep vormden, ook al behandelt de traditionele grammatica ze soms als een type zelfstandig naamwoord of bijvoeglijk naamwoord. In de kaarten voor het Frans, Tsjechisch en Russisch stonden de getallen apart van de hoofdclusters, wat suggereert dat ze een unieke semantische identiteit hebben die hen onderscheidt van andere woorden. Dit gebeurde ook al was de computer niet geïnstrueerd om naar getallen te zoeken; het ontdekte dit patroon puur door te analyseren hoe de woorden in echte teksten werden gebruikt. De onderzoekers ontdekten ook dat de manier waarop woorden gegroepeerd worden kan veranderen afhankelijk van de specifieke dataset, wat aantoont dat de grenzen niet vaststaan maar vloeiend zijn.
De onderzoekers hadden niet het doel om een nieuw grammaticaboek te maken of om te bewijzen dat de ene taal beter is dan de andere. Hun doel was om te zien wat er gebeurt wanneer we de data de categorieën laten beslissen. Ze ontdekten dat hoewel de hoofdcategorieën zelfstandige naamwoorden, werkwoorden en bijvoeglijke naamwoorden sterk en stabiel zijn, de randen zacht zijn. Woorden behoren vaak tot meerdere categorieën tegelijk, of ze verschuiven afhankelijk van de context. De studie suggereert dat de rigide hokjes die we gebruiken om grammatica te onderwijzen nuttige instrumenten zijn, maar dat ze niet het volledige beeld geven van hoe taal werkt. De ware aard van een woord is niet een enkel label, maar een positie in een enorme, verschuivende ruimte waar het dicht bij veel verschillende ideeën kan liggen.
Door deze relaties te visualiseren, boden de onderzoekers een nieuwe manier om de structuur van taal te zien. In plaats van te discussiëren over de vraag of een woord een zelfstandig naamwoord of een werkwoord is, kunnen we nu precies zien waar het zich in relatie tot beide bevindt. Deze aanpak vervangt de oude regels niet, maar voegt een laag van diepte toe die de complexiteit van menselijke communicatie laat zien. De kaarten laten zien dat taal geen verzameling geïsoleerde eilanden is, maar een continu landschap waarin woorden in elkaar overvloeien. De studie bevestigt dat de vaagheid van taal geen fout of gebrek is, maar een fundamenteel kenmerk van hoe wij woorden gebruiken om de wereld te beschrijven.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.