Prosjekt

KB-N - Kunnskapsbase for norsk økonomisk-administrativt domene

2003 - 2007

KB-N har som ambisjon å etablere
a) en språkteknologisk plattform for å utvikle og utnytte teoretiske og metodiske innsikter i tekstbasert kunnskapsrepresentasjon, med særlig henblikk på å kunne utnyttes i norsk-engelsk maskinoversettelse (MT).
b) en språkressursbank, bygget på den språkteknologiske plattformen, som videreutvikler, tar i bruk og kvalitetssikrer den fagkompetanse, de elektroniske verktøy og de språkressurser som skal til for at norsk fagspråk sikres fortsatt eksistens og utvikling på fagdomener som har grunnleggende betydning for norsk samfunns- og næringsliv.
c) et sett av IKT-baserte applikasjoner som utnytter språkressursbanken for effektiv håndtering av skriftbasert fagkommunikasjon mellom norsk og engelsk.

Prosjektsider

http://www.nhh.no/fsk/sff/kbn/

Prosjektleder

Magnar Brekke

Prosjektmedarbeidere

Paul Meurer

Årsmelding 2006

2006 var det siste ordinære prosjektåret. Arbeidet med innhenting og koding av tilgjengeleg parallelltekst etterfølgd av termekstraksjon og etablering av tilhøyrande termpostar har utgjort den jamne bakrunnsaktiviteten. Ved utgangen av året inneheldt tekstbanken omlag 1,75 mill. ord i tekst (omlag halvparten av dette som parallelltekst), eit vesentleg mindre tekstvolum enn det som var planlagt, men det synte seg alt tidleg at dette ville bli eit urealistisk mål. Hovudgrunnen har vore dei hindringar som opphavsrett representerer for elektronisk lagring og skjermvising av tekst, eit problem som litt uventa er blitt verre å løysa enn ein før trudde. Etter intensivt arbeid over 18 månader oppnådde vi såleis å få definitivt avslag frå eit større internasjonalt forlagskonsern.

Når termbanken likevel i løpet av dette prosjektåret har nådd opp i omlag 8.600 termpostar, har det samanheng med den vesentlege effektiviseringsgevinsten ein har kunna henta ut av den faktisk tilgjengelege tekstmengda. Krumtappen i dette forskings-arbeidet har vore algoritmen for den automatiske termekstraksjonen frå norsk fagtekst, utvikla av Paul Meurer som ein viktig modul i KB-N-prosjektet og presentert internasjonalt ved LREC-konferansen i Genova 22.-26. mai. Metoden byggjer på signifikansanalyse og gjer bruk av Knut Hoflands elektroniske samling av norsk avistekst som referansekorpus. I samanheng med spesialtilpassa programverktøy legg dette grunnlaget for ei rasjonell arbeidsdeling mellom datamaskinell termidentifisering med termpostutfylling og terminologisk fagekspertkontroll. Dette sikrar den faglege kvaliteten på termbaseinnhaldet.

Den andre viktige forskingsinnsatsen i dette prosjektåret har fokusert på fagleg kobling mellom KB-N og den storsatsinga som KUNSTI-programmet har hatt på automatisk omsetjing frå norsk til engelsk gjennom LOGON-prosjektet (som også har Paul Meurer som medarbeidar). Trass i femti års innsats innan maskinomsetjing i mange ulike fagmiljø utgjer ”word sense disambiguation” i vesentleg grad eit uløyst problem, og KB-N har hatt som ambisjon å henta ut frå sin termbase ein del av den kunnskapen som kan brukast til å løysa det. Grunnlaget er bruk av domene-markørar til korrekt identifikasjon av ein gitt fagterm, supplert med viktige kollokasjonar. Eksperiment med å byggja slike kriterium inn i LOGON-reglane vil halda fram også i 2007, og indikasjonane så langt har vore lovande.