EO

Grootste raadsel van computationele taalkunde opgelost

23 augustus 2017 om 10:39 uur - Nijmegen

Wist je dat in iedere taal het meest voorkomende woord ongeveer twee keer zo vaak voorkomt als het op een na meest voorkomende woord? Deze wet genaamd ‘Zipf's law' is al ruim een eeuw oud, maar tot nu toe lukte het wetenschappers niet om het verschijnsel precies te verklaren. Taalwetenschapper Sander Lestrade van de Radboud Universiteit publiceerde een oplossing in het wetenschappelijk tijdschrift Plos One.


De wet van Zipf ofwel Zipf's law beschrijft hoe de frequentie van een woord in natuurlijke taal afhankelijk is van zijn rangorde in een frequentietelling. Het meeste voorkomende woord komt twee keer zo vaak voor als het op een na meest voorkomende woord, drie keer zo vaak als het woord daarna, en zo door tot aan het minst voorkomende woord. Dit geldt voor een hele taal maar ook voor langere teksten.
De wetmatigheid is vernoemd naar de Amerikaanse linguïst George Kingsley Zipf die deze rond 1935 als eerste probeerde te verklaren.

 

Grootste raadsel

"Ik denk dat je best kunt stellen dat Zipf's law het grootste raadsel van de computationele taalkunde is", aldus Sander Lestrade, taalwetenschapper aan de Radboud Universiteit. "Tot nu toe is de wet nooit degelijk taalkundig onderbouwd."

zipf

Zipfiaanse verdeling van de frequentie (verticale as) en rangorde (horizontale as) van Melvilles Moby Dick. De lijn is door Zipf voorspeld, de puntjes geven de daadwerkelijk gevonden frequenties in de tekst.

 

Lestrade toont nu aan dat Zipf's law te verklaren is door de interactie tussen de zinsbouw en regels (syntaxis) en de betekenis van woorden (semantiek) in een tekst. Met behulp van computersimulaties toont de onderzoeker aan dat syntaxis of semantiek op zichzelf geen Zipfiaanse distributie in een tekst tot stand kunnen brengen, maar dat ze elkaar daarvoor nodig hebben.

 

"In de Nederlandse taal, en trouwens ook in de Engelse, zijn er bijvoorbeeld slechts drie lidwoorden, maar tienduizenden zelfstandige naamwoorden", legt Lestrade uit. "Je gebruikt voor bijna ieder zelfstandig naamwoord een lidwoord, en dus komen lidwoorden gemiddeld veel vaker voor dan zelfstandige naamwoorden."

Maar dat is niet voldoende om Zipf's law te verklaren. "Binnen de zelfstandige naamwoorden heb je ook weer grote verschillen. ‘Ding' is bijvoorbeeld veel algemener dan ‘onderzeeboot', en kan dus in principe vaker worden gebruikt. Maar om daadwerkelijk frequent voor te komen, moet een woord ook weer niet te algemeen zijn. Als je de betekenisverschillen binnen woordklassen ‘vermenigvuldigt' met de behoefte aan iedere klasse, dan krijg je een schitterende Zipfiaanse verdeling, die precies zo afwijkt van het Zipfiaanse ideaal als natuurlijke taal doet. Want Zipf's law klopt eigenlijk nét niet helemaal, zoals je kunt zien in de grafiek. De voorspelling en de natuurlijke taal komen heel dicht bij elkaar, maar niet helemaal overeen."

Voorspellingen op basis van Lestrades nieuwe model blijken volledig overeen te komen met verschijnselen in natuurlijke taal. "En mijn theorie geldt voor grofweg alle talen, dus niet alleen voor het Nederlands of het Engels", stelt hij. "Ik vind deze vondst echt heel leuk, en ben overtuigd van mijn oplossing. Maar, de bevestiging moet natuurlijk van andere taalkundigen komen."

 

Lestrade S (2017) Unzipping Zipf's law. PLos One 12(8): e0181987. https://doi.org/10.1371/journal.pone.0181987

 

 

 

Gerelateerd nieuws

Bescherming defensiepersoneel tegen chroom-6 was onvoldoende

Bescherming defensiepersoneel tegen chroom-6 was onvoldoende

In de periode 1984-2006 zijn medewerkers van Defensie tijdens onderhoudswerkzaamheden blootgesteld aan chroom-6. Dit gebeurde op vijf POMS-locaties (Prepositioned Organizational Materiel Storage) met NAVO-materieel. Het…

Nederlandse antenne op Chinese satelliet mee naar de maan

Bijzondere NL antenne op Chinese satelliet mee naar de maan

Volgende week wordt een Nederlandse radioantenne op een Chinese satelliet gelanceerd naar de achterkant van de maan. Het gaat om een radioantenne die speciaal is gemaakt om de zwakke radiosignalen uit het heel vroege…

Eerste nationale blockchain onderzoeksagenda

Nationale blockchain onderzoeksagenda samengesteld

De eerste onderzoeksagenda op het gebied van blockchain is aangeboden aan Rob van Gijzel, ambassadeur van de Dutch Blockchain Coalition.

Gratis nieuwsbrief

EOL

 

Focus op

ABB BV
ABB BV

Machineveiligheid, systemen en componenten

B&R Industriële Automatisering BV
B&R Industriële Automatisering BV

Perfection in Automation

Pilz Nederland
Pilz Nederland

Voor industriële (veilige) automatiseringsoplossingen

Rotero Holland BV
Rotero Holland BV

Stappenmotor - Servomotor - Elektro Magneet

Product van de maand

RSS
Drie functies in één relais

Nieuwe PROTECT SRB-E-FWS-TS veiligheidsrelais modules. Meer functies in één relais: bij het nieuwe veiligheidsrelais.

Download gratis engineering boeken

A gratis boeken downloaden

 

Agenda

1 juni 2018, Arnhem

State of Fashion: Searching for the New Luxury

Tentoonstelling over mode, met aandacht voor technologie en snufjes

27 augustus 2018, Amsterdam

EMC Europe

Internationaal symposium over EMC.

18 september 2018, Hardenberg

TIV

TIV houdt in 2018 haar twintigste editie in Hardenberg. Op 18, 19 en 20 september is de vakbeurs het...

Meer agendapunten »